Maskinoversettelse · Engelsk original
Kokoro TTS — Android
Kokoro-82M er en lett, ikke-automatisk regressiv tekst-til-speech-modell som kjører på Android via ONNX Runtime. Den produserer naturlig 24 kHz tale med 50 forhåndsdefinerte stemmer på 8 språk.
Støttede språk
| Språk | Kode | Eksempler på stemmer |
|---|---|---|
| Engelsk (USA) | i | av_heart, am_adam, af_sky |
| Engelsk (UK) | i | bf_emma, bm_george |
| Spansk | es | Ef_dora |
| fransk | fr | ff_siwis |
| Hindi | Hei | hf_alfa, hm_omega |
| Italiensk | det | if_sara |
| Japansk | ja | jf_alfa, jm_omega |
| Portugisisk | pt | pf_dora |
| Kinesisk | zh | zf_xiaobei, zm_yunjian |
| Tysk | de | dm_martin, df_victoria (voicepacks) |
50 forhåndsinnstilte stemmer totalt. Stemmenavnskonvensjon: [language][gender]_[name] - f.eks. af_heart = Amerikansk Kvinne-Heart-
Tyske stemmepakker
Tysk er ikke en stemme i flerspråklig pakke ovenfor: de to tyske stemmene er kiri-tts finpuner av Kokoro-82M, hver separat 162 MB vektsett trent på tyske telefoner. Velg en med KokoroPack når du laster ned, syntetiseres med language = "de". Hver pakke bor i sin egen cache, så engelsk og tysk forbli installert side om side.
| Pakke | Stemme | Last ned |
|---|---|---|
KokoroPack.GERMAN_MARTIN | dm_martin (mannlig) | soniqo/Kokoro-82M-German-Martin-ONNX (~170 MB) |
KokoroPack.GERMAN_VICTORIA | df_victoria (kvinne) | 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")Tall, ordinaler, datoer, tidspunkter, valutamengder, enheter og felles forkortelser er stavet ut på enheten; ord kommer fra en 50k-ord tysk ordbok med infleksjon, forbindelse og regelbaserte tilbakefall. Systemet TTS motor (SpeechTextToSpeechService) tilbyr Martin-stemmen som de-DE ved siden av en-US.
Modellfiler
| Fil | Størrelse |
|---|---|
kokoro-e2e.onnx + .onnx.data | ~330 MB |
voices.bin | Stemmeinnbygginger |
| Phoneme ordbøker | Language-spesifikke uttaledata |
HuggingFace: soniqo/Kokoro-82M-ONNX
Ytelse
| Metrisk | Verdi |
|---|---|
| Parametre | 82M |
| Inferensbakstykke | ONNX Runtime |
| Utgangsprøvehastighet | 24 kHz |
Phonemizer
Teksten konverteres til fonem-tokens ved hjelp av en ordbokbasert fonemizer med språkspesifikk støtte. Android implementasjon inkluderer fonemizers for engelsk, fransk, spansk, italiensk, portugisisk, hindi, japansk og kinesisk.
Pipeline Integrasjon
På Android, Kokoro TTS er en del av SpeechPipeline. Etter STT-transskriberer tale blir teksten fonemisert og syntetisert tilbake til lyd. Rørledningen administrerer hele VAD → STT → TTS strømmen 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 float32Kildekode: github.com/soniqo/speech-android