# Kokoro 82M (Sprachausgabe-Modell)

> hexgrads Kokoro 82M, ein kleines, hoch bewertetes englisches Text-to-Speech-Modell, lokal ausgeführt: 28 amerikanische und britische Preset-Stimmen für NPC-Dialoge, Erzählung und UI-Zeilen. Schnell selbst auf einer CPU (llama.cpp); kein Voice Cloning. Apache-2.0, kommerzielle Nutzung erlaubt.

- Id: `aigd.tts-kokoro`
- Quelle: Offiziell (First-Party `aigd.*`)
- Kategorie: Audio
- Herausgeber: AI Game Dev (`aigd`), verifiziert
- Neueste Version: 1.0.3 (veröffentlicht am 2026-11-22)
- Lizenz: Apache-2.0
- Erfordert die AI Game Dev App: `>=0.32.0-beta.6`
- Nativer Code: nein
- Bewertung: noch nicht bewertet
- HTML-Seite: https://ai-game.dev/de/packages/aigd.tts-kokoro

## Installieren

Mit der gamedev CLI im Projektordner:

```bash
gamedev pkg add aigd.tts-kokoro
```

In der Desktop-App: Öffne das Fenster Packages (das Paket-Symbol in der Statusleiste), wähle **Browse**, suche nach `aigd.tts-kokoro` und klicke auf **Add to Project**. Mehr: https://ai-game.dev/docs/wiki/app/packages

## Versionen

| Version | Veröffentlicht | Erfordert App | Hinweise |
|---|---|---|---|
| 1.0.3 | 2026-11-22 | `>=0.32.0-beta.6` | neueste |
| 1.0.2 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Beschreibung

````markdown
# Kokoro 82M (`aigd.tts-kokoro`)

Kokoro 82M ist hexgrads [Kokoro-82M](https://huggingface.co/hexgrad/Kokoro-82M) v1.0, ein kleines englisches Text-to-Speech-Modell, das in der TTS Arena zu den besten offenen Modellen zählt. Es spricht mit 28 voreingestellten Stimmen, 20 amerikanischen und 8 britischen, und klont keine Stimmen. In AI Game Dev läuft es über **Local speech** (`aigd.llamacpp`, llama.cpp) auf deinem eigenen Computer und ist selbst auf einer CPU schnell – ideal für Entwickler, die viele englische Sprachzeilen ohne große GPU brauchen.

## Was du erstellen kannst

- Englische NPC-Dialoge, Barks und kurze Reaktionen für viele Charaktere, unterschieden durch Stimme und durch amerikanischen oder britischen Akzent.
- Erzähltexte, Voice-overs für Tutorials, Menü- und UI-Ansagen.
- Temporäre Sprachzeilen, um Cutscenes zu timen und Dialogbäume zu testen, bevor Sprecher aufnehmen.

## Beispielanfragen

- "Sprich diese fünf Händlerzeilen mit einer britischen männlichen Stimme und speichere sie im Projekt."
- "Lies den Tutorial-Text für Level 1 mit der Standardstimme vor."
- "Erstelle eine Version jeder Questgeber-Zeile mit `am_michael` und eine mit `bf_emma`, damit ich vergleichen kann."
- "Generiere das Erzähler-Intro: 'Das Königreich fiel in einer einzigen Nacht…'"

## Highlights

|  |  |
|---|---|
| Modell-ID | `aigd.tts-kokoro.en-f32` |
| Sprache | Nur Englisch (die Stimme legt einen amerikanischen oder britischen Akzent fest) |
| Stimmen | 28 Voreinstellungen; Standard `af_heart` |
| Stimmklonen | Nein |
| Ausgabe | 24 kHz, mono |
| Text pro Anfrage | bis zu 2.000 Zeichen |
| Läuft auf | NVIDIA (CUDA), Vulkan und Mac (Metal) GPUs oder der CPU |
| Download | 270 MB, 2 Dateien |
| Lizenz | Apache-2.0, kommerzielle Nutzung erlaubt |

## So läuft es

Dieses Paket enthält nur Daten: es benennt die Modelldateien. Nachdem du die Lizenz akzeptiert hast, lädt die App sie von Hugging Face herunter, prüft jede per sha256 und führt sie mit **Local speech** (`aigd.llamacpp`, llama.cpp) auf deinem Computer aus.

## Download

- **Kokoro 82M (Englisch)** (`aigd.tts-kokoro.en-f32`): 270 MB, 2 Dateien von [`ggml-org/Kokoro-82M-GGUF`](https://huggingface.co/ggml-org/Kokoro-82M-GGUF/tree/ed4a98eab16351c7d803ff011e88267a5b036666), an diesen Commit gebunden: das Modell (`Kokoro-82M-F32.gguf`) und sein Audio-Projektor mit den Stimmen (`mmproj-Kokoro-82M-F16.gguf`).

## Auf welchen Computern

Auf einer x86-CPU mit 16 Threads spricht es etwa 4× schneller als Echtzeit mit 0,6 GB Arbeitsspeicher. Auf einer Windows RTX 4090 blieb eine kurze Zeile unter 0,8 GiB VRAM über der Ausgangslast unter CUDA und unter 0,5 GiB unter Vulkan.

## Stimmen, Sprachen und Aussprache

- Stimmen: `af_heart` (Standard), `af_alloy`, `af_aoede`, `af_bella`, `af_jessica`, `af_kore`, `af_nicole`, `af_nova`, `af_river`, `af_sarah`, `af_sky`, `am_adam`, `am_echo`, `am_eric`, `am_fenrir`, `am_liam`, `am_michael`, `am_onyx`, `am_puck`, `am_santa` (amerikanisch); `bf_alice`, `bf_emma`, `bf_isabella`, `bf_lily`, `bm_daniel`, `bm_fable`, `bm_george`, `bm_lewis` (britisch).
- Sprache: nur Englisch. Die Stimme legt den Akzent fest: `a*` Stimmen sprechen amerikanisches, `b*` Stimmen britisches Englisch.
- Kein eSpeak: Englischer Text wird mit misakis Aussprachewörterbuch und einem Part-of-Speech-Tagger, der in der Modelldatei gespeichert ist, in Phoneme umgewandelt. Ein Wort, das im Wörterbuch fehlt (meist ein seltener Name), wird aus seiner Schreibweise geschätzt, deshalb kann es etwas anders klingen als in Kokoros Referenz-Setup, das eSpeak für solche Wörter fragt. Die anderen Sprachen des Modells (Spanisch, Französisch, Hindi, Italienisch, Portugiesisch, Japanisch, Chinesisch) brauchen eSpeak für Phoneme und werden nicht angeboten.

## Lizenz

Apache-2.0. Kommerzielle Nutzung ist erlaubt. Behalte die Apache-2.0-Lizenz und die Hinweise bei, wenn du die Modelldateien weitergibst.

- Kokoro-82M von hexgrad: [Modellkarte](https://huggingface.co/hexgrad/Kokoro-82M), Apache-2.0. Die Karte listet das im Training verwendete Audio unter CC BY auf; die Gewichte stehen unter Apache-2.0.
- Beide Dateien stammen von [`ggml-org/Kokoro-82M-GGUF`](https://huggingface.co/ggml-org/Kokoro-82M-GGUF) (Apache-2.0): llama.cpps automatische Konvertierung von `hexgrad/Kokoro-82M` bei Commit `f3ff3571791e39611d31c381e3a41a3af07b4987`, mit allen 54 Stimmen in der Projektordatei (die App bietet die 28 englischen an).
- Vom Konverter in die Modelldatei eingebaut:
  - misakis englisches Aussprachewörterbuch — Apache-2.0 ([Lizenz](https://github.com/hexgrad/misaki/blob/main/LICENSE));
  - der NLTK Averaged Perceptron Tagger für Englisch — MIT ([Quelle](https://github.com/sloria/textblob-aptagger)).

Erforderliche Namensnennung: "Kokoro-82M by hexgrad, Apache-2.0. Pronunciation data from misaki (hexgrad, Apache-2.0) and the NLTK averaged perceptron tagger (MIT)."

Einschränkungen:

- Wenn du die Modelldateien weitergibst, füge die Apache-2.0-Lizenz bei und behalte hexgrads Hinweise (sowie den MIT-Hinweis des darin gespeicherten NLTK-Taggers) bei.

Du bist dafür verantwortlich, die Lizenz des Modells zu befolgen, das du herunterlädst. Alle Dateien werden von Hugging Face heruntergeladen. AI Game Dev hostet sie nicht.
````
