Kokoro ТТС
An 82M-parameter open model from Hexgrad that delivers studio-quality speech at nearly 100x real-time.
Опакувајте го вашиот текст во SSML ознаки за прецизна контрола:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Означувања на избраниот модел кои го разбира — кликнете за да го пуштите еден во вашиот текст каде што се случува:
Овој модел чита обичен текст, па значи, во редовните ознаки се игнорираат. За емоции базирани на таг, префрли се на изразителен модел како што е Орфеус или Барк.
Дефинирај ги сопствените изговори (слов = изговор):
За Kokoro
Kokoro, built by Hexgrad, is a deliberately tiny 82-million-parameter model that punches far above its size class. It uses a StyleTTS + ISTFTNet architecture and was trained on roughly 1,200 hours of speech, yet generates audio close to 100x faster than real-time on a GPU while staying remarkably natural and expressive. It covers English, Japanese, Chinese, French, Italian, Portuguese, Spanish, and Hindi with a varied set of expressive voicepacks, and supports streaming. The combination of small footprint, low latency, and a permissive license has made Kokoro one of the most popular free models for high-volume and streaming use — it carries the largest share of traffic on TTS.ai.
Најдобро за: High-quality TTS with minimal latency, streaming applications
Прелистувај ги сите Kokoro гласовиНа еден поглед
- Развивач
- Hexgrad
- Лиценца
- Apache 2.0
- Ниво
- free
- Брзина
- fast
- Гласовно клонирање
- Не.
- Јазици
- English, Japanese, Chinese, French, Italian, Portuguese, Spanish, Hindi
- Макс. знаци
- 500