本頁面由英文機器翻譯而成。閱讀英文原文。

Kokoro 82M(語音模型)

官方音訊v1.0.3aigd.tts-kokoro
安裝 還沒安裝應用程式?免費下載
或在終端機中執行
gamedev pkg add aigd.tts-kokoro

總覽

hexgrad 的 Kokoro 82M,一款小巧、評價極高的英文文字轉語音模型,在本機執行:28 個美式與英式預設語音,可用於 NPC 對話、旁白與 UI 語句。即使在 CPU 上也很快(llama.cpp);不支援聲音複製。Apache-2.0,允許商業使用。

Kokoro 82M 是 hexgrad 的 Kokoro-82M v1.0,一款小型的英文文字轉語音模型,在 TTS Arena 上名列最佳開放模型之一。它有 28 種預設語音,20 種美式、8 種英式,且不支援複製語音。在 AI Game Dev 中,它透過 Local speech(aigd.llamacpp、llama.cpp)在你的電腦上執行,即使在 CPU 上也很快, therefore 適合需要大量英文語音台詞、卻沒有大顆 GPU 的開發者。

你可以製作什麼

  • 眾多角色的英文 NPC 對白、短句呼喊與簡短反應,靠語音以及美式或英式口音來區分。
  • 旁白、教學語音導覽、選單與 UI 播報。
  • 在配音員錄音之前,用臨時語音台詞來抓過場動畫的節奏、測試對話樹。

請求範例

  • 「用英式男聲為這五句店主台詞配音,並存到專案裡。」
  • 「用預設語音朗讀第 1 關的教學文字。」
  • 「把每句任務給予者的台詞各做一個 am_michael 版本和一個 bf_emma 版本,方便我比較。」
  • 「生成旁白開場:『王國在一夜之間覆滅……』」

重點特色

模型 IDaigd.tts-kokoro.en-f32
語言僅英文(由語音本身決定美式或英式口音)
語音28 種預設;預設為 af_heart
語音複製不支援
輸出24 kHz,單聲道
每次請求的文字量最多 2,000 個字元
執行於NVIDIA(CUDA)、Vulkan 與 Mac(Metal)GPU,或 CPU
下載270 MB,2 個檔案
授權Apache-2.0,允許商業使用

運作方式

這個套件只包含資料:它指明模型檔案。在你接受授權後,應用程式會從 Hugging Face 下載這些檔案、以 sha256 逐一檢查,然後在你的電腦上透過 Local speech(aigd.llamacpp、llama.cpp)執行。

下載

  • Kokoro 82M(英文)(aigd.tts-kokoro.en-f32):270 MB,2 個檔案來自 ggml-org/Kokoro-82M-GGUF,鎖定在該 commit:模型(Kokoro-82M-F32.gguf)以及含語音的音訊投影器(mmproj-Kokoro-82M-F16.gguf)。

適用哪些電腦

在 16 執行緒的 x86 CPU 上,它的說話速度約為即時的 4 倍,記憶體用量 0.6 GB。在 Windows 的 RTX 4090 上,一句短台詞在 CUDA 下額外佔用的 VRAM 低於 0.8 GiB,在 Vulkan 下低於 0.5 GiB。

語音、語言與發音

  • 語音:af_heart(預設)、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)。
  • 語言:僅英文。口音由語音決定:a* 語音說美式英文,b* 語音說英式英文。
  • 不使用 eSpeak:英文文字會透過 misaki 的發音詞典,以及存放在模型檔中的詞性標記器轉成音素。詞典中缺少的詞(大多是罕見人名)會依拼寫推測,因此聽起來可能與 Kokoro 的參考設定略有不同,後者會向 eSpeak 詢問這些詞。模型的其他語言(西班牙文、法文、印地文、義大利文、葡萄牙文、日文、中文)需要 eSpeak 才能產生音素,因此並未提供。

授權

Apache-2.0。允許商業使用。分享模型檔案時,請保留 Apache-2.0 授權與相關聲明。

  • hexgrad 的 Kokoro-82M:模型卡,Apache-2.0。模型卡列出訓練時使用的 CC BY 音訊;其權重為 Apache-2.0。
  • 兩個檔案都來自 ggml-org/Kokoro-82M-GGUF(Apache-2.0):llama.cpp 對 hexgrad/Kokoro-82M 於 commit f3ff3571791e39611d31c381e3a41a3af07b4987 的自動轉換,投影器檔案包含全部 54 種語音(應用程式提供其中 28 種英文語音)。
  • 由轉換器內建於模型檔中:
    • misaki 的英文發音詞典 — Apache-2.0(授權);
    • 用於英文的 NLTK 平均感知器標記器 — MIT(原始碼)。

必須標明的出處:"Kokoro-82M by hexgrad, Apache-2.0. Pronunciation data from misaki (hexgrad, Apache-2.0) and the NLTK averaged perceptron tagger (MIT)."

限制:

  • 如果你分享模型檔案,請附上 Apache-2.0 授權並保留 hexgrad 的聲明(以及存放其中的 NLTK 標記器的 MIT 聲明)。

你有責任遵守你所下載模型的授權。所有檔案皆從 Hugging Face 下載,AI Game Dev 並不托管這些檔案。

版本

Kokoro 82M(語音模型) 的發布版本
版本發布日期需搭配應用程式
1.0.3最新0.32.0-beta.6 或更新版本
1.0.20.32.0-beta.6 或更新版本

安裝

在桌面應用程式中

開啟 套件 視窗(狀態列上的套件圖示),選擇 瀏覽,搜尋 aigd.tts-kokoro,然後點選 加到專案。

還沒安裝應用程式?免費下載 AI Game Dev,支援 Windows、macOS 與 Linux。

從終端機

在你的專案資料夾中,使用 gamedev CLI:

gamedev pkg add aigd.tts-kokoro

需求

  • AI Game Dev 0.32.0-beta.6 或更新版本

進一步瞭解套件

安裝
gamedev pkg add aigd.tts-kokoro