Kokoro-TTS：超轻量级文本转语音模型，支持生成多种语言和多种语音风格

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日分享大模型与 AI 领域的最新开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

---

🚀 快速阅读

1. 功能：支持多语言、多语音风格生成，具备自然语调和韵律。
2. 架构：基于 StyleTTS 2 和 ISTFTNet 的混合架构，纯解码器设计，降低计算复杂度。
3. 应用：适用于语音讲解、角色语音合成、客服应答等多种场景。

正文（附运行示例）

Kokoro-TTS 是什么

Kokoro-TTS 是由 hexgrad 开发的一款轻量级文本转语音（TTS）模型，具有 8200 万参数。它基于 StyleTTS 2 和 ISTFTNet 的混合架构，采用纯解码器设计，不使用扩散模型，从而降低了计算复杂度，具备出色的语音合成效果和实时处理能力。

Kokoro-TTS 支持多种语音风格，包括耳语等特殊风格，能够生成自然的语调和韵律。它跨平台兼容，资源占用少，训练数据全部为许可/非版权音频数据和 IPA 音素标签。目前支持美国英语和英国英语，提供了 10 种不同的语音包，涵盖不同性别和语音特征。

Kokoro-TTS 的主要功能

• 自然语调与韵律：生成自然流畅的语调和韵律，合成语音接近真人发声。
• 多种语音风格：支持耳语等特殊风格，丰富语音表达的多样性。
• 语言支持：目前支持美国英语和英国英语，满足不同地区用户需求。
• 语音包选择：提供 10 种不同的语音包，涵盖不同性别和语音特征。
• 实时处理：具备实时处理能力，延迟极低，适合实时性要求高的场景。
• 优化的架构：基于 StyleTTS 2 和 ISTFTNet 的混合架构，降低计算复杂度，提高合成速度。
• 无缝 API 集成：提供无缝的 API 集成，方便开发者嵌入到各种应用程序中。
• 本地处理：支持本地处理，无需上传数据至云端，保护用户隐私和数据安全。

如何运行 Kokoro-TTS

1. 线上体验

访问 Hugging Face Spaces 的在线体验 Demo，直接输入文字即可体验语音合成效果。

2. 本地部署

1. 安装依赖，确保系统满足硬件和软件要求，特别是 NVIDIA GPU 和 CUDA 驱动。
2. 安装 Docker Desktop 和 Git。
3. 构建模型并加载默认语音包。
4. 调用生成函数，返回 24kHz 音频和使用的音素。
5. 显示 24kHz 音频并打印输出音素。

资源

• 在线体验 Demo：https://huggingface.co/spaces/hexgrad/Kokoro-TTS

---

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日分享大模型与 AI 领域的最新开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦