# Kokoro 82M (modelo de voz)

> Kokoro 82M de hexgrad, un modelo de texto a voz en inglés pequeño y muy valorado, ejecutado localmente: 28 voces predefinidas americanas y británicas para diálogos de NPC, narración y líneas de interfaz. Rápido incluso en CPU (llama.cpp); sin clonación de voz. Apache-2.0, se permite el uso comercial.

- Id: `aigd.tts-kokoro`
- Origen: Oficial (propio `aigd.*`)
- Categoría: Audio
- Editor: AI Game Dev (`aigd`), verificado
- Última versión: 1.0.3 (publicado el 2026-11-22)
- Licencia: Apache-2.0
- Requiere la app AI Game Dev: `>=0.32.0-beta.6`
- Código nativo: no
- Valoración: aún sin valoraciones
- Página HTML: https://ai-game.dev/es/packages/aigd.tts-kokoro

## Instalar

Con la CLI gamedev, en la carpeta del proyecto:

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

En la app de escritorio: abre la ventana Packages (el icono de paquete en la barra de estado), selecciona **Browse**, busca `aigd.tts-kokoro` y haz clic en **Add to Project**. Más: https://ai-game.dev/docs/wiki/app/packages

## Versiones

| Versión | Publicado | Requiere app | Notas |
|---|---|---|---|
| 1.0.3 | 2026-11-22 | `>=0.32.0-beta.6` | la más reciente |
| 1.0.2 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Descripción

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

Kokoro 82M es [Kokoro-82M](https://huggingface.co/hexgrad/Kokoro-82M) v1.0 de hexgrad, un pequeño modelo inglés de texto a voz que se sitúa entre los mejores modelos abiertos de TTS Arena. Habla con 28 voces predefinidas, 20 estadounidenses y 8 británicas, y no clona voces. En AI Game Dev se ejecuta en tu propio ordenador mediante **Voz local** (`aigd.llamacpp`, llama.cpp), y es rápido incluso en CPU, así que encaja con desarrolladores que necesitan muchas líneas de voz en inglés sin una GPU potente.

## Qué puedes crear

- Diálogos de PNJ en inglés, barks y reacciones cortas para muchos personajes, diferenciados por la voz y por el acento estadounidense o británico.
- Narración, voces en off para tutoriales, anuncios de menús y de interfaz.
- Líneas de voz temporales para ajustar la duración de las cinemáticas y probar los árboles de diálogo antes de que graben los actores.

## Ejemplos de peticiones

- "Pon voz a estas cinco líneas de tendero con una voz masculina británica y guárdalas en el proyecto."
- "Lee el texto del tutorial del nivel 1 con la voz predeterminada."
- "Crea una versión de cada línea de los personajes que dan misiones con `am_michael` y otra con `bf_emma` para poder compararlas."
- "Genera la introducción del narrador: 'El reino cayó en una sola noche…'"

## Puntos destacados

|  |  |
|---|---|
| ID del modelo | `aigd.tts-kokoro.en-f32` |
| Idioma | Solo inglés (la voz determina el acento estadounidense o británico) |
| Voces | 28 predefinidas; predeterminada `af_heart` |
| Clonación de voces | No |
| Salida | 24 kHz, mono |
| Texto por petición | hasta 2,000 caracteres |
| Se ejecuta en | GPU NVIDIA (CUDA), Vulkan y Mac (Metal), o la CPU |
| Descarga | 270 MB, 2 archivos |
| Licencia | Apache-2.0, se permite el uso comercial |

## Cómo se ejecuta

Este paquete es solo datos: indica cuáles son los archivos del modelo. Después de que aceptes la licencia, la app los descarga de Hugging Face, verifica cada uno con sha256 y los ejecuta con **Voz local** (`aigd.llamacpp`, llama.cpp) en tu ordenador.

## Descarga

- **Kokoro 82M (inglés)** (`aigd.tts-kokoro.en-f32`): 270 MB, 2 archivos de [`ggml-org/Kokoro-82M-GGUF`](https://huggingface.co/ggml-org/Kokoro-82M-GGUF/tree/ed4a98eab16351c7d803ff011e88267a5b036666), fijados a ese commit: el modelo (`Kokoro-82M-F32.gguf`) y su proyector de audio con las voces (`mmproj-Kokoro-82M-F16.gguf`).

## En qué ordenadores

En una CPU x86 de 16 hilos habla unas 4× más rápido que en tiempo real con 0.6 GB de memoria. En una RTX 4090 con Windows, una línea corta se mantuvo por debajo de 0.8 GiB de VRAM por encima de la línea base en CUDA y por debajo de 0.5 GiB en Vulkan.

## Voces, idiomas y pronunciación

- Voces: `af_heart` (predeterminada), `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` (estadounidenses); `bf_alice`, `bf_emma`, `bf_isabella`, `bf_lily`, `bm_daniel`, `bm_fable`, `bm_george`, `bm_lewis` (británicas).
- Idioma: solo inglés. La voz determina el acento: las voces `a*` hablan inglés estadounidense y las voces `b*` inglés británico.
- Sin eSpeak: el texto en inglés se convierte en fonemas con el diccionario de pronunciación de misaki y un etiquetador gramatical guardado en el archivo del modelo. Una palabra que falta en el diccionario (normalmente un nombre poco común) se deduce a partir de su ortografía, así que puede sonar algo distinta que en la configuración de referencia de Kokoro, que recurre a eSpeak para esas palabras. Los demás idiomas del modelo (español, francés, hindi, italiano, portugués, japonés y chino) necesitan eSpeak para los fonemas y no se ofrecen.

## Licencia

Apache-2.0. Se permite el uso comercial. Conserva la licencia Apache-2.0 y los avisos cuando compartas los archivos del modelo.

- Kokoro-82M de hexgrad: [ficha del modelo](https://huggingface.co/hexgrad/Kokoro-82M), Apache-2.0. La ficha enumera el audio con licencia CC BY usado en el entrenamiento; sus pesos son Apache-2.0.
- Ambos archivos proceden de [`ggml-org/Kokoro-82M-GGUF`](https://huggingface.co/ggml-org/Kokoro-82M-GGUF) (Apache-2.0): la conversión automática de `hexgrad/Kokoro-82M` que hace llama.cpp en el commit `f3ff3571791e39611d31c381e3a41a3af07b4987`, con las 54 voces en el archivo del proyector (la app ofrece las 28 en inglés).
- Integrado en el archivo del modelo por el conversor:
  - el diccionario de pronunciación inglesa de misaki — Apache-2.0 ([licencia](https://github.com/hexgrad/misaki/blob/main/LICENSE));
  - el etiquetador perceptrón promedio de NLTK para inglés — MIT ([código fuente](https://github.com/sloria/textblob-aptagger)).

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

Restricciones:

- Si compartes los archivos del modelo, incluye la licencia Apache-2.0 y conserva los avisos de hexgrad (y el aviso MIT del etiquetador de NLTK almacenado en ellos).

Eres responsable de cumplir la licencia del modelo que descargues. Todos los archivos se descargan de Hugging Face. AI Game Dev no los aloja.
````
