许可证：apache-2.0
语言：

• 英语
  基础模型：
• yl4579/StyleTTS2-LJSpeech
  任务标签：文本转语音

Kokoro 是一款拥有8200万参数的开源权重文本转语音（TTS）模型。尽管其架构轻量，却能提供与大型模型相媲美的音质，同时显著更快且更具成本效益。凭借Apache许可的权重，Kokoro可部署于从生产环境到个人项目的任何场景。

🐈 GitHub: https://github.com/hexgrad/kokoro

🚀 演示: https://hf.co/spaces/hexgrad/Kokoro-TTS

[!注意]
截至2025年4月，Kokoro通过API服务的市场价为每百万字符文本输入低于1美元，或每小时音频输出低于0.06美元。（平均每1000字符输入约对应1分钟输出。）数据来源：ArtificialAnalysis/Replicate显示每百万字符65美分 和 DeepInfra显示每百万字符80美分。

这是Apache许可的模型，Kokoro已在众多项目和商业API中部署。我们欢迎在实际应用场景中使用该模型。

[!警告]
类似kokorottsai_com（存档：https://archive.ph/nRRnk）和kokorotts_net（存档：https://archive.ph/60opa）的虚假网站很可能是打着流行模型旗号的骗局。

任何根域名包含"kokoro"的网站（如kokorottsai_com、kokorotts_net）均不属于本模型页面或其作者，亦无任何关联，试图暗示关联的行为均为危险信号。

• 版本发布
• 使用指南
• 评估文档 ↗️
• 示例集 ↗️
• 音色库 ↗️
• 模型参数
• 训练详情
• 知识共享署名
• 致谢

版本发布

使用指南

您可在Google Colab运行以下基础单元。试听示例。更多语言及细节请参阅高级用法。

!pip install -q kokoro>=0.9.2 soundfile
!apt-get -qq -y install espeak-ng > /dev/null 2>&1
from kokoro import KPipeline
from IPython.display import display, Audio
import soundfile as sf
import torch
pipeline = KPipeline(lang_code='a')
text = '''
[Kokoro](/kˈOkəɹO/) 是一款拥有8200万参数的开源权重TTS模型。尽管其架构轻量，却能提供与大型模型相媲美的音质，同时显著更快且更具成本效益。凭借Apache许可的权重，[Kokoro](/kˈOkəɹO/)可部署于从生产环境到个人项目的任何场景。
'''
generator = pipeline(text, voice='af_heart')
for i, (gs, ps, audio) in enumerate(generator):
    print(i, gs, ps)
    display(Audio(data=audio, rate=24000, autoplay=i==0))
    sf.write(f'{i}.wav', audio, 24000)

底层实现中，kokoro使用了misaki——一个G2P转换库，详见 https://github.com/hexgrad/misaki

模型参数

架构：

• StyleTTS 2: https://arxiv.org/abs/2306.07691
• ISTFTNet: https://arxiv.org/abs/2203.02395
• 仅解码器：不含扩散模型，不发布编码器

架构设计： Li等 @ https://github.com/yl4579/StyleTTS2

训练者： Discord用户@rzvzn

支持语言： 多语种

模型SHA256哈希值： 496dba118d1a58f5f3db2efc88dbdc216e0483fc89fe6e47ee1f2c53f18ad1e4

训练详情

数据： Kokoro仅使用允许/无版权音频数据及国际音标（IPA）音素标签训练。允许/无版权音频示例包括：

• 公有领域音频
• Apache、MIT等许可的音频
• 大型厂商闭源TTS模型生成的合成音频^[1]
  
  [1] https://copyright.gov/ai/ai_policy_guidance.pdf
  
  [注] 未使用开源TTS模型或"定制语音克隆"生成的合成音频

总数据集规模： 数百小时音频

总训练成本： 约1000美元（1000小时A100 80GB显存）

知识共享署名

以下CC BY许可音频被用于Kokoro v1.0的训练数据集。

致谢

• 🛠️ 感谢@yl4579设计StyleTTS 2架构
• 🏆 感谢@Pendrokar将Kokoro列入TTS竞技场
• 📊 感谢所有贡献合成训练数据的人士
• ❤️ 特别鸣谢所有算力赞助方
• 👾 Discord服务器：https://discord.gg/QuGxSWBfQy
• 🪽 "Kokoro"是日语"心"或"精神"之意，也是《终结者》系列中AI的名字