Konekäännös · Englanninkielinen alkuperäinen

Kokoro TTS — Android

Kokoro-82M on kevyt, ei-aggressiivinen teksti-puhemalli, joka toimii Android via ONNX Runtime. Se tuottaa luonnollisen 24 kHz:n puheen, jossa on 50 esiasetettua ääntä 8 kielellä.

Tuetut kielet

Kieli	Koodi	Esimerkki Äänet
Finnish (USA)	en	af_heart, am_adam, af_ski
English (UK)	en	bf_emma, bm_george
espanja	es	ef_ Dora
ranska	fr	ff_siwis
Hindi	Hei.	hf_alfa, hm_omega
italia	se	if_sara
japani	ja	jf_alfa, jm_omega
portugali	pt	pf_dora
kiina	zh	zf_xiaobei, zm_yunjian
Saksa	de	dm_martin, df_victoria (puhepakkaukset)

50 esiasetettua ääntä yhteensä. Äänen nimityskäytäntö: [language][gender]_[name] ... esim., af_heart = amerikkalainen naisen "kuuro."

Saksalaiset äänipaketit

Saksa ei ole edellä mainitun monikielisen paketin ääni: kikiri-tts Kokoro-82M:n hienot sävyt, kukin erillinen 162 MB-painosetti, joka on koulutettu vain saksalaisissa puhelimissa. Valitse yksi, jossa on KokoroPack ladattaessa, sitten syntetisoi language = "de". Jokainen pakkaus asuu omassa kätkössä, joten englanti ja saksa pysyvät vierekkäin.

Pakkaus	Ääni	Lataa
`KokoroPack.GERMAN_MARTIN`	`dm_martin` (uros)	soniqo/Kokoro-82M-German-Martin-ONNX (~170 MB)
`KokoroPack.GERMAN_VICTORIA`	`df_victoria` (nainen)	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")

Numerot, ordinaalit, päivämäärät, ajat, valuutan määrät, yksiköt ja yhteiset lyhenteet on kirjoitettu laitteella; sanat tulevat 50k-sanan saksan sanakirjasta, jossa on taivutus, yhdiste ja sääntöperusteiset varavektorit. Järjestelmä TTS moottori (SpeechTextToSpeechService) tarjoaa Martinin äänen de-DE vieressä en-US.

Mallitiedostot

Tiedosto	Koko
`kokoro-e2e.onnx` + `.onnx.data`	~330 Mt
`voices.bin`	Äänen upotuslaitteet
Puhelinsanakirjat	Kielikohtaiset ääntämistiedot

HuggingFace: soniqo/Kokoro-82M-ONNX

Tulos

Metrinen	Arvo
Parametrit	82M
Päätelmä	ONNX Runtime
Otosotosnopeus	24 kHz

Puhelin

Teksti muutetaan puhelimitse puhelimeen käyttämällä sanakirjapohjainen puhelinlähetin kielikohtainen tuki. Android -toteutus sisältää puhelimitse Englanti, ranska, espanja, italia, portugali, hindi, japani ja kiina.

Putkijohtojen integrointi

Android, Kokoro TTS on osa SpeechPipeline. STT:n puheen jälkeen teksti on fonmisoitu ja syntetisoitu takaisin ääneksi. Putkijohto hallitsee koko VAD → STT → TTS virtausta automaattisesti.

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

Lähdekoodi: github.com/soniqo/speech-android