Awtomatikong salin · Orihinal sa Ingles
Kokoro TTS — Android
Kokoro-82M ay isang magaan, hindi-autoregressive text-to-speech na modelo na tumatakbo sa Android via ONNX Runtime. Ito ay lumilikha ng natural na 24 kHz na pagsasalita na may 50 preset na tinig sa ibayo ng 8 wika.
Suportadong mga Wika
| Wika | Kodigo | Halimbawa ng mga Tinig |
|---|---|---|
| Tagalog (US) | sa en | af_heart, am_adam, af_sky |
| Tagalog (UK) | sa en | bf_emma, bm_george |
| Kastila | es | ef_dora |
| Pranses | bart | mga ff_siwi |
| Hindi | Hi | hf_alpha, hm_omega |
| Italyano | ang tanong | kung_sara |
| Hapones | ja | jf_alpha, jm_omega |
| Portuges | pt | pf_dora |
| Tsino | zh | zf_xiaobei, zm_yunjian |
| Aleman | de | dm_martin, df_victoria (mga pakete ng resibo) |
50 preset voices overall.[Talaksan: [language][gender]_[name] – e.g., af_heart = American Female "Heart".
Boses ng boses ng Aleman
Ang Aleman ay hindi isang tinig ng bungkos na may iba't ibang wika sa itaas: ang dalawang tinig na Aleman ay mga kiikiri-tt Mapino-tunes ng Kokoro-82M, bawat isa ay isang hiwalay na 162 MB na timbang na sinanay sa mga phoneme lamang ng Alemanya. Kumuha ng isa kasama ang ZXQXZMM. KokoroPack kapag nag - download, pagkatapos ay nag - e - adjust na kasama ng language = "de". Ang bawat pakete ay nakatira sa sarili nitong cache, kaya ang Ingles at Aleman ay nananatiling magkaagapay.
| Pack | Tinig | Ibabang download |
|---|---|---|
KokoroPack.GERMAN_MARTIN | dm_martin (lalaki) | soniqo/Kokoro-82M-German-Martin-ONNX (°170 MB) |
KokoroPack.GERMAN_VICTORIA | df_victoria (babae) | 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") Ang mga numero, ordinal, petsa, panahon, halaga ng salapi, yunit at karaniwang daglat ay binabaybay sa aparato; ang mga salita ay mula sa isang 50k-word na diksyunaryong Aleman na may inflection, compound at rule-based fallbacks. Ang sistemang TTS engine (.SpeechTextToSpeechService) mag - alok sa Martin ng boses na gaya ng sa de-DE susunod sa en-US.
Modelong mga Bida
| Sawi ang paglikha ng talaksan | Laki |
|---|---|
kokoro-e2e.onnx + .onnx.data | °330 MB |
voices.bin | Nag - uumpog ang Tinig |
| Mga diksyunaryo ng "phoneme " | Wika-specific na datos sa pagbigkas |
HuggingFace: soniqo/Kokoro-82M-ONNX
Pag - aasikaso
| Masalimuot | Halaga |
|---|---|
| Mga Parameter | 82M |
| Nasusuportahan ang kawalang - galang | ONNX Runtime |
| Bilis ng sampol sa output | 24 kHz |
" Phonemizer "
Ang teksto ay ginagawang phoneme tokens gamit ang diksiyonaryong phonemizer na may language-specific support. Ang Android na pagpapatupad ay kinabibilangan ng phonemizer para sa Ingles, Pranses, Kastila, Italyano, Portuges, Hindi, Hapones, at Tsino.
Pagkahibang sa Pipeline
Sa Android, ang Kokoro TTS ay bahagi ng ZXQXZ SpeechPipeline. Pagkatapos ng STT regulates speech, ang teksto ay phonemicized at dine-record pabalik sa audio.Ang pipeline ay nagpapatakbo sa buong VAD → STT → TTS daloy awtomatiko.
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 float32Pinagmulan na kodigo: github.com/soniqo/speech-android