תרגום מכונה · המקור באנגלית

Kokoro TTS קולות ודגימות

Kokoro-82M הוא קל משקל, לא-אוטומטי של טקסט-to-speech מבוסס על StyleTTS 2 עם vor ISTFTNet. הוא פועל לחלוטין על דגם Neural Engine באמצעות CoreML, ומייצר דיבור טבעי 24 מטקסט במעבר יחיד קדימה.

שפות תמיכה

54 קולות מוקדמים בסך הכל. Voice Name Convention: [language_prefix][gender]_[name] – למשל, af_heart=נקבה אמריקאית "Heart", if_sara= Italianנקבה "Sara".

קולות גרמניים

גרמניה שירתה על ידי שתי חבילות קול יחיד נפרדות. kikiri-ts קנסות של Kokoro-82M עם אחד 313 MB CoreML מודל לקול, ולא קולות של החבילה הרב לשונית. language: "de"מספרים, תאריכים, פעמים, מטבע וקיצורים מוטבעים במכשיר, ומילים פותרות באמצעות מילון 50k-word German Dictionary.

let tts = try await KokoroTTSModel.fromPretrained(modelId: KokoroTTSModel.germanMartinModelId)
let audio = try tts.synthesize(text: "Am 3. Oktober um 18:30 Uhr kostet es 12,80 €.",
                               voice: "dm_martin", language: "de")

speech kokoro --model aufklarer/Kokoro-82M-German-Martin-CoreML --language de "Guten Tag, wie geht es Ihnen?" --output guten-tag.wav

דגימות קוליות

קצר MP3 קליפים שנוצרו עם קליפים מקומיים speech-swift CLI.שולחן קוד הקול המלא נשאר מתחת לשימוש copy-paste.

קודים

כל מזהה קולי Kokoro עוקב אחר אותו דפוס: אחד-על שפה prefixOne-letter קוד מגדרילאחר מכן, הדגש והשם הקולי, השתמשו בטבלה למטה כדי למפות שפת יעד לקידומת הנכונה.

טבלה טרום תיקון שפה

כל הקולות באמצעות שפה

אנגלית - American (af_*, am_*)

נשים: af_alloy, af_aoede, af_bella, af_heart (הופנה מהדף) af_jessica, af_kore, af_nicole, af_nova, af_river, af_sarah, af_sky
זכר: am_adam, am_echo, am_eric, am_fenrir, am_liam, am_michael, am_onyx, am_puck, am_santa

אנגלית: British (bf_*, bm_*)

נשים: bf_alice, bf_emma, bf_isabella, bf_lily
זכר: bm_daniel, bm_fable, bm_george, bm_lewis

ספרדית (ef_*, em_*)

Feel: ef_dora
Male:em_alex em_santa

צרפתית (צרפתית)ff_*)

Feel: ff_siwis

Hindi (hf_*, hm_*

נשים: hf_alpha, hf_beta
זכר: hm_omega, hm_psi

איטלקית (if_*, im_*

נשים: if_sara
זכר: im_nicola

יפני (jf_*, jm_*)

נשים: jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro
זכר: jm_kumo

פורטוגזית - ברזיל (pf_*, pm_*)

נשים: pf_dora
זכר: pm_alex, pm_santa

סינית - מנדרינה (zf_*, zm_*)

נשים: zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi
זכר: zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang

ארכיטקטורה

Kokoro משתמשת 3 שלבים CoreMLצנרת ללא לולאה דגימה - כל השלבים הם מעברים לא-אוטומטיים עם צעד יישור של Swift-side בין שלבים 1 ל 2.

3 Stage Pipeline

Phoneme Buckets (Duration Model)

מודל משך הזמן משתמש בצורות קלט מוטבעות. Input מוצמד לדלי הקטן ביותר המתאים:

Decoder Buckets

מודלים קבועים-shape decoder עבור אורך אודיו מקסימלי שונה (כל מסגרת = 600 דגימות ב 24 kHz):

דרישות iOS 18+ / macOS 15+.

טלפון

טקסט מומרת אסימוני טלפון באמצעות צינור משולש - כל Apache-2.0

1. Dictionary Lookup - ארה"ב אנגלית ובריטי אנגלית דיגוריות עם תמיכה heteronym
2. Suffix נובעת מ- - decomposition Morphological for known suffixes (למשל, "שינג", "tion")
3. BART G2P - Neural גרפיeme-to-phoneme Fallback באמצעות CoreML מודל קודר עבור מילים מחוץ ל-vocabulary.

המונחים: Custom Pronunciations

נקודות זכות מחוץ לדיגוריות המשלוחים הנפלטים אל השכבה 3, שם BART מנחשת אנגלית אנגלית חוקי כישוף – כל כך לא-אנגלוב שמות טועיםTatiana הופכת tˈitiəniənə). addPronunciations Injects word -> IPA תגיות: tier 1:

let tts = try await KokoroTTSModel.fromPretrained()
tts.addPronunciations(["tatiana": "tɑtiˈɑnə"])

המפתחות תואמים את עצמם וחייבים להיות מילים בודדות - טקסט מחולק על המרחב הלבן והטיהור לפני ההחלטה, כך מפתח המכיל חלל, הפנו, או apostrophe הוא מעולם לא מסתכל למעלה. IPA חייב להשתמש סמלים של אוצר המילים מודל; כל דבר אחר נפל בשקט על אסימוניזציה. zh, ja, it, fr, es, ptו hi בחר טלפונים ייעודיים שמעולם לא להתייעץ עם הדיפטרונים.המראה הוא נעול, כך לרשום ערכים לפני סינתזה מתחיל לרוץ במקביל על אותו מודל.

משקל מודל

ביצועי ביצועים

CLI Usage

speech kokoro "Hello, world!" --voice af_heart --output hello.wav

אפשרויות אפשרויות

דוגמאות

# English with default voice
speech kokoro "Hello, how are you today?" --output hello.wav

# French
speech kokoro "Bonjour le monde" --voice ff_siwis --language fr --output bonjour.wav

# Japanese
speech kokoro "こんにちは世界" --voice jf_alpha --language ja --output konnichiwa.wav

# List all 54 voices
speech kokoro --list-voices

Swift API

import KokoroTTS
import AudioCommon

let tts = try await KokoroTTSModel.fromPretrained()
// Downloads ~170 MB on first run

let audio = try tts.synthesize(text: "Hello world", voice: "af_heart")
// audio: [Float] — 24 kHz mono PCM

try WAVWriter.write(samples: audio, sampleRate: 24000, to: outputURL)

יחידת ההסגרה Override

fromPretrained(computeUnits:) בחירת החומרה מפעילה את מודל CoreML הראשי..allמאפשר Core ML להעדיף את Neural Engine, המהווה את הנתיב המהיר ביותר בכל מכשיר נתמך. .cpuAndGPU כדי לעקוף את ANE כנפילה על פלטפורמות שבו ה- ANE יוצר פלט לא נכון עבור מודל זה.

import CoreML
import KokoroTTS

// Default: ANE preferred
let tts = try await KokoroTTSModel.fromPretrained()

// Fallback: bypass the Neural Engine
let tts = try await KokoroTTSModel.fromPretrained(computeUnits: .cpuAndGPU)

מתי להשתמש Kokoro

רישיון רישיון רישיון

• משקל מודל: Apache-2.0 (hexgrad/Kokoro-82M)
• CoreML: Apache-2.0Aufklarer / Kokoro-82M-CoreML)
• Dictionaries ו G2P: Apache-2.0