本页由英文机器翻译而成。阅读英文原文。

Kokoro 82M(语音模型)

官方音频v1.0.3aigd.tts-kokoro
安装 还没安装应用?免费下载
或从终端安装
gamedev pkg add aigd.tts-kokoro

概览

hexgrad 的 Kokoro 82M 是一个小巧、口碑极佳的英语文本转语音模型,完全本地运行:28 个美式和英式预设音色,可用于 NPC 对话、旁白和 UI 台词。即使在 CPU 上也很快(llama.cpp);不支持声音克隆。Apache-2.0,允许商用。

Kokoro 82M 是 hexgrad 的 Kokoro-82M v1.0,一个小巧的英语文本转语音模型,在 TTS Arena 上位居最佳开源模型之列。它提供 28 个预设音色,其中 20 个美式、8 个英式,不支持音色克隆。在 AI Game Dev 中,它通过 本地语音(aigd.llamacpp,llama.cpp)在你自己的电脑上运行,即使在 CPU 上速度也很快,因此适合需要大量英语语音台词、又没有大显存的开发者。

你可以做什么

  • 为众多角色制作英语 NPC 对话、短促喊话和简短反应,靠音色以及美式或英式口音加以区分。
  • 旁白、教程配音、菜单和 UI 播报。
  • 在配音演员录制之前,用来为过场动画定节奏、测试对话树的临时语音台词。

示例请求

  • “用英式男声为这五句店主台词配音,并保存到项目中。”
  • “用默认音色朗读第 1 关的教程文本。”
  • “把每条任务发布者的台词分别用 am_michael 和 bf_emma 各做一个版本,方便我对比。”
  • “生成旁白开场白:‘王国在一夜之间覆灭……’”

亮点

模型 IDaigd.tts-kokoro.en-f32
语言仅英语(音色决定使用美式还是英式口音)
音色28 个预设;默认 af_heart
音色克隆不支持
输出24 kHz,单声道
每次请求的文本最多 2,000 个字符
运行于NVIDIA(CUDA)、Vulkan 和 Mac(Metal)GPU,或 CPU
下载270 MB,2 个文件
许可证Apache-2.0,允许商业使用

运行方式

这个包只包含数据:它指明要用的模型文件。你接受许可证后,应用会从 Hugging Face 下载这些文件,用 sha256 逐一校验,然后通过 本地语音(aigd.llamacpp,llama.cpp)在你的电脑上运行。

下载

  • Kokoro 82M (English)(aigd.tts-kokoro.en-f32):270 MB,2 个文件,来自 ggml-org/Kokoro-82M-GGUF,锁定到该提交:模型(Kokoro-82M-F32.gguf)和带音色的音频投影器(mmproj-Kokoro-82M-F16.gguf)。

适用哪些电脑

在 16 线程的 x86 CPU 上,它以约 4 倍于实时的速度合成语音,占用 0.6 GB 内存。在 Windows 的 RTX 4090 上,一句短台词在 CUDA 下相比基线多占不到 0.8 GiB 显存,在 Vulkan 下不到 0.5 GiB。

音色、语言和发音

  • 音色:af_heart(默认)、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(美式);bf_alice、bf_emma、bf_isabella、bf_lily、bm_daniel、bm_fable、bm_george、bm_lewis(英式)。
  • 语言:仅英语。口音由音色决定:a* 系列的音色说美式英语,b* 系列的音色说英式英语。
  • 不使用 eSpeak:英语文本通过 misaki 的发音词典和存放在模型文件中的词性标注器转换成音素。词典里没有的词(多半是生僻人名)会依据拼写推测,因此读法可能与 Kokoro 的参考配置略有不同——那套配置会向 eSpeak 询问这些词。该模型支持的其他语言(西班牙语、法语、印地语、意大利语、葡萄牙语、日语、中文)需要 eSpeak 来生成音素,因此没有提供。

许可证

Apache-2.0。允许商业使用。分享模型文件时,请保留 Apache-2.0 许可证和声明。

  • hexgrad 的 Kokoro-82M:模型卡片,Apache-2.0。卡片列出了训练中使用的 CC BY 音频;其权重采用 Apache-2.0。
  • 两个文件都来自 ggml-org/Kokoro-82M-GGUF(Apache-2.0):由 llama.cpp 在提交 f3ff3571791e39611d31c381e3a41a3af07b4987 处自动转换 hexgrad/Kokoro-82M 而来,投影器文件中包含全部 54 个音色(应用提供其中 28 个英语音色)。
  • 由转换器内建到模型文件中的内容:
    • misaki 的英语发音词典 —— Apache-2.0(许可证);
    • NLTK 的英语平均感知机标注器 —— MIT(源码)。

必须注明的署名:"Kokoro-82M by hexgrad, Apache-2.0. Pronunciation data from misaki (hexgrad, Apache-2.0) and the NLTK averaged perceptron tagger (MIT)."

限制:

  • 如果你分享模型文件,请附上 Apache-2.0 许可证,并保留 hexgrad 的声明(以及其中存放的 NLTK 标注器的 MIT 声明)。

你有责任遵守所下载模型的许可证。所有文件都从 Hugging Face 下载,AI Game Dev 不托管这些文件。

版本

Kokoro 82M(语音模型) 的发布版本
版本发布时间需要应用
1.0.3最新0.32.0-beta.6 或更高版本
1.0.20.32.0-beta.6 或更高版本

安装

在桌面应用中安装

打开包窗口(状态栏中的包图标),选择浏览,搜索 aigd.tts-kokoro,然后点击添加到项目。

还没安装应用?免费下载 AI Game Dev,支持 Windows、macOS 和 Linux。

从终端安装

在项目文件夹中使用 gamedev CLI:

gamedev pkg add aigd.tts-kokoro

环境要求

  • AI Game Dev 0.32.0-beta.6 或更高版本

进一步了解包

安装
gamedev pkg add aigd.tts-kokoro