# Kokoro 82M（音声モデル）

> hexgradのKokoro 82Mは、高い評価を得ている小型の英語テキスト読み上げモデルで、ローカルで実行できます。NPCの会話、ナレーション、UIのセリフ向けに、アメリカ英語とイギリス英語のプリセット音声を28種類収録。llama.cppによりCPUでも高速に動作し、音声クローニングには対応していません。Apache-2.0で、商用利用が可能です。

- ID: `aigd.tts-kokoro`
- ソース: 公式 (ファーストパーティ `aigd.*`)
- カテゴリ: オーディオ
- パブリッシャー: AI Game Dev (`aigd`), 確認済み
- 最新バージョン: 1.0.3 (公開日 2026-11-22)
- ライセンス: Apache-2.0
- AI Game Dev アプリが必要です: `>=0.32.0-beta.6`
- ネイティブコード: いいえ
- 評価: まだ評価はありません
- HTML ページ: https://ai-game.dev/ja/packages/aigd.tts-kokoro

## インストール

gamedev CLI を使用する場合は、プロジェクトフォルダで:

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

デスクトップアプリで: パッケージウィンドウ（ステータスバーのパッケージアイコン）を開き、**参照** を選択して `aigd.tts-kokoro` を検索し、**プロジェクトに追加** をクリックします。詳細: https://ai-game.dev/docs/wiki/app/packages

## バージョン

| バージョン | 公開日 | アプリが必要 | 備考 |
|---|---|---|---|
| 1.0.3 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.2 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 説明

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

Kokoro 82Mはhexgradの[Kokoro-82M](https://huggingface.co/hexgrad/Kokoro-82M) v1.0で、TTS Arenaで最高のオープンモデルの一つに数えられる小型の英語テキスト読み上げモデルです。28種類のプリセットボイス（アメリカ英語20、イギリス英語8）で話し、声のクローンは行いません。AI Game Devでは**Local speech**（`aigd.llamacpp`、llama.cpp）を通じてお使いのコンピューター上で動作し、CPUでも高速なので、大きなGPUなしで大量の英語ボイスが必要な開発者に適しています。

## 作成できるもの

- 多くのキャラクター向けの英語のNPCセリフ、バーク、短い反応。声とアメリカ英語かイギリス英語かのアクセントで聞き分けられます。
- ナレーション、チュートリアルのボイスオーバー、メニューやUIのアナウンス。
- アクターの収録前にカットシーンのタイミングを合わせたり、ダイアログツリーをテストしたりするための仮ボイス。

## リクエスト例

- 「この店主のセリフ5つをイギリス英語の男性ボイスで読み上げて、プロジェクトに保存して」
- 「レベル1のチュートリアルテキストをデフォルトのボイスで読んで」
- 「各クエスト依頼人のセリフを、`am_michael`を使った版と`bf_emma`を使った版の両方で作って、聞き比べられるようにして」
- 「ナレーターのイントロを生成して：『王国は一夜にして滅びた…』」

## ハイライト

|  |  |
|---|---|
| モデルID | `aigd.tts-kokoro.en-f32` |
| 言語 | 英語のみ（ボイスによってアメリカ英語またはイギリス英語のアクセントになる） |
| ボイス | プリセット28種類、デフォルトは`af_heart` |
| ボイスクローン | 不可 |
| 出力 | 24 kHz、モノラル |
| リクエストあたりのテキスト | 最大2,000文字 |
| 動作環境 | NVIDIA（CUDA）、Vulkan、Mac（Metal）のGPU、またはCPU |
| ダウンロード | 270 MB、2ファイル |
| ライセンス | Apache-2.0、商用利用可 |

## 実行方法

このパッケージはデータのみで、モデルファイルを指定するものです。ライセンスに同意すると、アプリがHugging Faceからファイルをダウンロードし、それぞれをsha256で検証して、お使いのコンピューター上で**Local speech**（`aigd.llamacpp`、llama.cpp）により実行します。

## ダウンロード

- **Kokoro 82M（英語）**（`aigd.tts-kokoro.en-f32`）：270 MB、[`ggml-org/Kokoro-82M-GGUF`](https://huggingface.co/ggml-org/Kokoro-82M-GGUF/tree/ed4a98eab16351c7d803ff011e88267a5b036666)から取得する2ファイルで、そのコミットに固定されています。モデル（`Kokoro-82M-F32.gguf`）と、ボイスを含むオーディオプロジェクター（`mmproj-Kokoro-82M-F16.gguf`）です。

## 動作するコンピューター

16スレッドのx86 CPUでは、0.6 GBのメモリでリアルタイムの約4倍の速さで読み上げます。WindowsのRTX 4090では、短いセリフでCUDAのVRAM使用量がベースラインから0.8 GiB未満、Vulkanでは0.5 GiB未満に収まりました。

## ボイス、言語、発音

- ボイス：`af_heart`（デフォルト）、`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`（アメリカ英語）、`bf_alice`、`bf_emma`、`bf_isabella`、`bf_lily`、`bm_daniel`、`bm_fable`、`bm_george`、`bm_lewis`（イギリス英語）。
- 言語：英語のみ。アクセントはボイスで決まり、`a*`のボイスはアメリカ英語、`b*`のボイスはイギリス英語を話します。
- eSpeakは使いません：英語テキストは、misakiの発音辞書と、モデルファイルに格納された品詞タガーによって音素に変換されます。辞書にない単語（主に珍しい名前）は綴りから推測されるため、そうした単語をeSpeakに問い合わせるKokoroの参照構成とは少し違った発音になることがあります。モデルの他の言語（スペイン語、フランス語、ヒンディー語、イタリア語、ポルトガル語、日本語、中国語）は音素の生成にeSpeakを必要とするため、提供されていません。

## ライセンス

Apache-2.0。商用利用が可能です。モデルファイルを共有する際は、Apache-2.0ライセンスと通知を添えてください。

- hexgradによるKokoro-82M：[model card](https://huggingface.co/hexgrad/Kokoro-82M)、Apache-2.0。カードには学習に使用されたCC BYの音声が記載されていますが、その重みはApache-2.0です。
- 両方のファイルは[`ggml-org/Kokoro-82M-GGUF`](https://huggingface.co/ggml-org/Kokoro-82M-GGUF)（Apache-2.0）から取得しています：コミット`f3ff3571791e39611d31c381e3a41a3af07b4987`の`hexgrad/Kokoro-82M`をllama.cppが自動変換したもので、プロジェクターファイルには54種類すべてのボイスが含まれています（アプリではそのうち英語の28種類を提供します）。
- コンバーターによってモデルファイルに組み込まれたもの：
  - misakiの英語発音辞書 — Apache-2.0（[licence](https://github.com/hexgrad/misaki/blob/main/LICENSE)）。
  - 英語用のNLTK averaged perceptron tagger — MIT（[source](https://github.com/sloria/textblob-aptagger)）。

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

制限事項：

- モデルファイルを共有する場合は、Apache-2.0ライセンスを含め、hexgradの通知（およびファイル内に格納されているNLTK taggerのMIT通知）を保持してください。

ダウンロードしたモデルのライセンスを遵守する責任は利用者にあります。すべてのファイルはHugging Faceからダウンロードされます。AI Game Devはそれらをホストしていません。
````
