Kokoro TTS
Biblioteca de inferencia en Python para Kokoro-82M, un pequeño modelo de texto a voz de pesos abiertos con voces multilingües.
Genera voz localmente con un modelo de 82M parámetros y pesos con licencia Apache.
Kokoro es una biblioteca de inferencia en Python para el modelo de texto a voz Kokoro-82M, instalable con pip. Está pensada para desarrolladores y creadores con perfiles técnicos que buscan un modelo de voz ligero que puedan ejecutar en su propio hardware e integrar en productos.
Qué es
El paquete kokoro carga el modelo Kokoro-82M de 82 millones de parámetros y convierte texto en audio de 24 kHz a través de un KPipeline. Seleccionas un código de idioma y una voz, como af_heart, y genera fragmentos de audio que puedes guardar con soundfile. Se basa en la biblioteca misaki G2P para la pronunciación y en espeak-ng como alternativa y para algunos idiomas.
Para quién
Es ideal para desarrolladores que añaden locución o narración a aplicaciones, y para creadores que se sienten cómodos ejecutando Python o un cuaderno de Colab. No es un estudio de locución completo: este repositorio no incluye un editor gráfico, y el japonés y el mandarín requieren instalaciones adicionales de misaki.
Funciones clave
Modelo de 82M parámetros
Un modelo TTS pequeño que el README describe como más rápido y económico que los más grandes.
Instalación del paquete mediante pip
Instálalo con pip install kokoro y ejecuta unas pocas líneas de Python.
Múltiples idiomas
Los códigos cubren inglés americano y británico, español, francés, hindi, italiano, japonés, portugués brasileño y mandarín.
Pronunciación en línea
Marca palabras con sintaxis de fonemas como [Kokoro](/kˈOkəɹO/) para corregir la pronunciación.
Salida de tipo streaming
El pipeline genera grafemas, fonemas y audio por cada fragmento de texto.
Ejemplos listos para Colab
En el README se proporcionan celdas de cuadernos básicos y avanzados.
Listo en 3 pasos
Nuestro veredicto honesto
Lo mejor
- El modelo es pequeño, con 82 millones de parámetros, por lo que su ejecución es mucho más ligera que la de los sistemas TTS grandes.
- El README señala que los pesos tienen licencia Apache, por lo que se pueden desplegar en producción o en proyectos personales.
- Se enumeran nueve códigos de idioma, que cubren varios idiomas muy hablados además del inglés.
- Puedes corregir la pronunciación en línea con marcado de fonemas sin necesidad de reentrenar nada.
Sus límites
- Es una biblioteca de Python, no una aplicación; escribes código y gestionas los archivos de audio por ti mismo.
- Requiere tener instalado espeak-ng para la reserva en inglés y algunos idiomas, y el japonés y el mandarín exigen paquetes misaki adicionales.
- El repositorio de código no muestra lanzamientos etiquetados ni en GitHub, por lo que dependes de la versión del paquete en PyPI y de la tarjeta del modelo para garantizar la estabilidad.
- El README hace afirmaciones sobre la calidad pero no ofrece ninguna comparativa lado a lado aquí; las muestras están enlazadas en Hugging Face.
Precios y licencia
Gratuito bajo Apache-2.0, y el README no muestra ningún plan de pago. Tu único coste es el ordenador o servidor en el que lo ejecutes.
Empleos para hispanohablantes
870 puestos remotos abiertos de entrenamiento de IA, actualizados el 14 de noviembre de 2026; la mayoría paga $20–$170 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Alternativas
Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.
Úsalo, o deja que lo configuremos
FAQ
¿Qué idiomas admite Kokoro?
El README enumera inglés americano y británico, español, francés, hindi, italiano, japonés, portugués brasileño y chino mandarín.
¿Puedo usarlo comercialmente?
El README indica que el modelo cuenta con pesos con licencia Apache y se puede desplegar desde entornos de producción hasta proyectos personales; el repositorio de código también utiliza Apache-2.0.
¿Necesito una GPU?
El README no especifica ningún requisito de hardware; solo describe el modelo como ligero con 82 millones de parámetros.
