# Kokoro 82M (modelo de fala)

> O Kokoro 82M da hexgrad, um modelo pequeno e muito bem avaliado de conversão de texto em fala em inglês, executado localmente: 28 vozes predefinidas americanas e britânicas para diálogos de NPC, narração e falas de UI. Rápido até em CPU (llama.cpp); sem clonagem de voz. Apache-2.0, uso comercial permitido.

- Id: `aigd.tts-kokoro`
- Origem: Oficial (de primeira parte `aigd.*`)
- Categoria: Áudio
- Publicador: AI Game Dev (`aigd`), verificado
- Versão mais recente: 1.0.3 (publicado em 2026-11-22)
- Licença: Apache-2.0
- Requer o app AI Game Dev: `>=0.32.0-beta.6`
- Código nativo: não
- Avaliação: ainda sem avaliações
- Página HTML: https://ai-game.dev/pt-br/packages/aigd.tts-kokoro

## Instalar

Com o CLI gamedev, na pasta do projeto:

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

No app desktop: abra a janela Packages (o ícone de pacote na barra de status), selecione **Browse**, busque `aigd.tts-kokoro` e clique em **Add to Project**. Mais: https://ai-game.dev/docs/wiki/app/packages

## Versões

| Versão | Publicado | Requer o app | Observações |
|---|---|---|---|
| 1.0.3 | 2026-11-22 | `>=0.32.0-beta.6` | mais recente |
| 1.0.2 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Descrição

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

Kokoro 82M é o [Kokoro-82M](https://huggingface.co/hexgrad/Kokoro-82M) v1.0 da hexgrad, um pequeno modelo de texto para fala em inglês que está entre os melhores modelos abertos do TTS Arena. Ele fala com 28 vozes predefinidas, 20 americanas e 8 britânicas, e não clona vozes. No AI Game Dev ele roda no seu próprio computador por meio de **Local speech** (`aigd.llamacpp`, llama.cpp) e é rápido até em CPU, então serve para desenvolvedores que precisam de muitas falas em inglês sem uma GPU potente.

## O que você pode criar

- Diálogos de NPC, barks e reações curtas em inglês para muitos personagens, diferenciados pela voz e pelo sotaque americano ou britânico.
- Narração, voice-overs de tutorial e avisos de menu e de interface.
- Falas temporárias para acertar o timing de cutscenes e testar árvores de diálogo antes de os atores gravarem.

## Exemplos de pedidos

- "Grave estas cinco falas do comerciante com uma voz masculina britânica e salve no projeto."
- "Leia o texto do tutorial da fase 1 com a voz padrão."
- "Faça uma versão de cada fala do NPC de missões com `am_michael` e outra com `bf_emma` para eu comparar."
- "Gere a introdução do narrador: 'O reino caiu em uma única noite…'"

## Destaques

|  |  |
|---|---|
| ID do modelo | `aigd.tts-kokoro.en-f32` |
| Idioma | Somente inglês (a voz define o sotaque americano ou britânico) |
| Vozes | 28 predefinições; padrão `af_heart` |
| Clonagem de voz | Não |
| Saída | 24 kHz, mono |
| Texto por pedido | até 2.000 caracteres |
| Roda em | GPUs NVIDIA (CUDA), Vulkan e Mac (Metal), ou na CPU |
| Download | 270 MB, 2 arquivos |
| Licença | Apache-2.0, uso comercial permitido |

## Como funciona

Este pacote é só de dados: ele indica os arquivos do modelo. Depois que você aceita a licença, o app baixa os arquivos do Hugging Face, verifica cada um por sha256 e os executa com **Local speech** (`aigd.llamacpp`, llama.cpp) no seu computador.

## Download

- **Kokoro 82M (inglês)** (`aigd.tts-kokoro.en-f32`): 270 MB, 2 arquivos de [`ggml-org/Kokoro-82M-GGUF`](https://huggingface.co/ggml-org/Kokoro-82M-GGUF/tree/ed4a98eab16351c7d803ff011e88267a5b036666), fixados nesse commit: o modelo (`Kokoro-82M-F32.gguf`) e seu projetor de áudio com as vozes (`mmproj-Kokoro-82M-F16.gguf`).

## Em quais computadores

Em uma CPU x86 de 16 threads, ele fala cerca de 4× mais rápido que o tempo real com 0.6 GB de memória. Em uma RTX 4090 no Windows, uma fala curta ficou abaixo de 0.8 GiB de VRAM acima da linha de base em CUDA e abaixo de 0.5 GiB em Vulkan.

## Vozes, idiomas e pronúncia

- Vozes: `af_heart` (padrão), `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` (americanas); `bf_alice`, `bf_emma`, `bf_isabella`, `bf_lily`, `bm_daniel`, `bm_fable`, `bm_george`, `bm_lewis` (britânicas).
- Idioma: somente inglês. A voz define o sotaque: as vozes `a*` falam inglês americano e as vozes `b*`, inglês britânico.
- Sem eSpeak: o texto em inglês vira fonemas com o dicionário de pronúncia do misaki e um etiquetador morfológico (part-of-speech) guardado no arquivo do modelo. Uma palavra que falta no dicionário (em geral um nome raro) é deduzida pela grafia, então pode soar um pouco diferente da configuração de referência do Kokoro, que recorre ao eSpeak para essas palavras. Os outros idiomas do modelo (espanhol, francês, hindi, italiano, português, japonês, chinês) precisam do eSpeak para os fonemas e não são oferecidos.

## Licença

Apache-2.0. O uso comercial é permitido. Mantenha a licença Apache-2.0 e os avisos quando você compartilhar os arquivos do modelo.

- Kokoro-82M da hexgrad: [card do modelo](https://huggingface.co/hexgrad/Kokoro-82M), Apache-2.0. O card lista o áudio CC BY usado no treinamento; os pesos são Apache-2.0.
- Os dois arquivos vêm de [`ggml-org/Kokoro-82M-GGUF`](https://huggingface.co/ggml-org/Kokoro-82M-GGUF) (Apache-2.0): a conversão automática do llama.cpp de `hexgrad/Kokoro-82M` no commit `f3ff3571791e39611d31c381e3a41a3af07b4987`, com todas as 54 vozes no arquivo do projetor (o app oferece as 28 em inglês).
- Incorporado ao arquivo do modelo pelo conversor:
  - dicionário de pronúncia de inglês do misaki — Apache-2.0 ([licença](https://github.com/hexgrad/misaki/blob/main/LICENSE));
  - o etiquetador perceptron médio do NLTK para inglês — MIT ([fonte](https://github.com/sloria/textblob-aptagger)).

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

Restrições:

- Se você compartilhar os arquivos do modelo, inclua a licença Apache-2.0 e mantenha os avisos da hexgrad (e o aviso MIT do etiquetador do NLTK armazenado neles).

Você é responsável por seguir a licença do modelo que baixar. Todos os arquivos são baixados do Hugging Face. O AI Game Dev não os hospeda.
````
