Kokoro ТТС
An 82M-parameter open model from Hexgrad that delivers studio-quality speech at nearly 100x real-time.
Умотајте текст у ССМЛ ознаке за прецизну контролу:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Означе изабрани модел разуме — кликните да га испустите у текст где се то дешава:
Овај модел чита обичан текст, па се ознаке за успостављене на линији игноришу. За емоције засноване на ознакама пребаците на изражавајући модел попут Орфеја или Барка.
Дефинишите посебне изговоре (слов = изговор):
О 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.
Најбоље за: High-quality TTS with minimal latency, streaming applications
Прегледај све Kokoro гласовиНа један поглед
- Програмер
- Hexgrad
- Лиценца
- Apache 2.0
- Низ
- free
- Брзина
- fast
- Гласово клонирање
- Не.
- језици
- English, Japanese, Chinese, French, Italian, Portuguese, Spanish, Hindi
- Макс. знакова
- 500