# Kokoro 82M（語音模型）

> 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。

- ID: `aigd.tts-kokoro`
- 來源: 官方 (第一方 `aigd.*`)
- 分類: 音訊
- 發佈者: AI Game Dev (`aigd`), 已驗證
- 最新版本: 1.0.3 (發佈於 2026-11-22)
- 授權條款: Apache-2.0
- 需要 AI Game Dev 應用程式: `>=0.32.0-beta.6`
- 原生程式碼: 否
- 評分: 尚無評分
- HTML 頁面: https://ai-game.dev/zh-hant/packages/aigd.tts-kokoro

## 安裝

在專案資料夾中，使用 gamedev CLI：

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

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 **加入專案**。更多資訊：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 發佈日期 | 需要應用程式 | 備註 |
|---|---|---|---|
| 1.0.3 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.2 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 說明

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

Kokoro 82M 是 hexgrad 的 [Kokoro-82M](https://huggingface.co/hexgrad/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 ID | `aigd.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`](https://huggingface.co/ggml-org/Kokoro-82M-GGUF/tree/ed4a98eab16351c7d803ff011e88267a5b036666)，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](https://huggingface.co/hexgrad/Kokoro-82M)，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`](https://huggingface.co/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](https://github.com/hexgrad/misaki/blob/main/LICENSE)）；
  - 用於英文的 NLTK 平均感知器標記器 — MIT（[原始碼](https://github.com/sloria/textblob-aptagger)）。

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。
````
