Maskinoversættelse · Engelsk original
Kokoro TTS — Android
Kokoro-82M er en letvægts, ikke-autoregressiv tekst- to- tale model, der kører på Android via ONNX Runtime. Det producerer naturlig 24 kHz tale med 50 forudindstillet stemmer på tværs af 8 sprog.
Understøttede sprog
| Sprog | Kode | Eksempel på ord |
|---|---|---|
| Engelsk (US) | en | af _ heart, am _ adam, af _ sky |
| Engelsk (UK) | en | bf _ emma, bm _ george |
| Spansk | s | ef _ dora |
| Fransk | fr | ff _ siwis |
| Hindi | hi | hf _ alpha, hm _ omega |
| Italiensk | er | if _ sara |
| Japansk | ja | jf _ alpha, jm _ omega |
| Portugisisk | pt | pf _ dora |
| Kinesisk | zh | zf _ xiaobei, zm _ yunjian |
| Tysk | de | dm _ martin, df _ victoria (stemmepakninger) |
50 forudindstillet stemmer i alt. Stemmenavngivning konvention: [language][gender]_[name] - f.eks. af_heart = Amerikansk kvinde "Heart".
Tyske stemmepakninger
Tysk er ikke en stemme af flersproget bundt ovenfor: de to tyske stemmer er kikiri- tts fine- tunes af Kokoro-82M, hver en separat 162 MB vægtsæt trænet på tyske phonemes kun. Vælg en med KokoroPack når du downloader, så syntetiserer med language = "de". Hver pakke bor i sin egen cache, så engelsk og tysk ophold installeret side om side.
| Pakning | Stemme | Download |
|---|---|---|
KokoroPack.GERMAN_MARTIN | dm_martin (mand) | soniqo/Kokoro-82M-German-Martin-ONNX (~ 170 MB) |
KokoroPack.GERMAN_VICTORIA | df_victoria (kvinde) | soniqo/Kokoro-82M-German-Victoria-ONNX (~ 170 MB) |
val modelDir = ModelManager.ensureTtsModels(
context,
ttsModel = TtsModel.KOKORO_SHORT_TURN,
kokoroPack = KokoroPack.GERMAN_MARTIN, // or GERMAN_VICTORIA
)
val tts = SpeechSynthesizer(SpeechSynthesizerConfig(modelDir = modelDir))
val audio = tts.synthesize("Am 3. Oktober um 18:30 Uhr kostet es 12,80 €.", "de")Tal, ordinaler, datoer, tidspunkter, valutabeløb, enheder og almindelige forkortelser er anført på enheden; ord kommer fra en 50k- ord tysk ordbog med bøjning, sammensatte og rule- baserede fallbacks. Systemet TTS motor (SpeechTextToSpeechService) tilbyder Martin stemme som de-DE ved siden af en-US.
Modelfiler
| Fil | Størrelse |
|---|---|
kokoro-e2e.onnx + .onnx.data | ~ 330 MB |
voices.bin | Stemmeindlejringer |
| Phoneme ordbøger | Language-specifikke udtale data |
HuggingFace: soniqo/Kokoro-82M-ONNX
Præstation
| Metric | Værdi |
|---|---|
| Parametre | 82M |
| Inferenskomponent | ONNX Runtime |
| Udtagningsprøvesats | 24 kHz |
Phonemizer
Tekst konverteres til foneme tokens ved hjælp af en diktary- baseret phonemizer med language- specifik støtte. Android implementering omfatter phonemizers til engelsk, fransk, spansk, italiensk, portugisisk, hindi, japansk og kinesisk.
Integration af rørledninger
På Android indgår Kokoro TTS i SpeechPipeline. Efter STT transcribes tale, er teksten phonemized og syntetiseres tilbage til lyd. Rørledningen styrer den fulde VAD → STT → TTS flow automatisk.
val modelDir = ModelManager.ensureModels(context)
val pipeline = SpeechPipeline(SpeechConfig(modelDir = modelDir))
pipeline.events.collect { event ->
when (event) {
is SpeechEvent.TranscriptionCompleted -> println(event.text)
else -> {}
}
}
pipeline.start()
pipeline.pushAudio(samples) // 16kHz mono float32