Kokoro TTS
Kokoro-82M के लिए Python इन्फेरेंस लाइब्रेरी, जो बहु-भाषी आवाजों वाला एक छोटा ओपन-वेट टेक्स्ट-टू-स्पीच मॉडल है।
82M-पैरामीटर मॉडल और Apache-लाइसेंस प्राप्त वेट के साथ स्थानीय स्तर पर स्पीच जनरेट करें।
Kokoro, Kokoro-82M टेक्स्ट-टू-स्पीच मॉडल के लिए एक Python इन्फेरेंस लाइब्रेरी है, जिसे pip से इंस्टॉल किया जा सकता है। यह उन डेवलपर्स और तकनीकी रूप से निपुण क्रिएटर्स के लिए उपयुक्त है जो एक हल्का वॉयस मॉडल चाहते हैं जिसे वे अपने हार्डवेयर पर चला सकें और उत्पादों में शिप कर सकें।
यह क्या है
kokoro पैकेज 82-मिलियन-पैरामीटर वाले Kokoro-82M मॉडल को लोड करता है और KPipeline के माध्यम से टेक्स्ट को 24 kHz ऑडियो में बदलता है। आप एक भाषा कोड और एक आवाज चुनते हैं, जैसे af_heart, और यह ऑडियो चंक देता है जिसे आप soundfile के साथ सहेज सकते हैं। यह उच्चारण के लिए misaki G2P लाइब्रेरी और फॉलबैक तथा कुछ भाषाओं के लिए espeak-ng पर निर्भर करता है।
किसके लिए
यह ऐप्स में वॉयसओवर या वर्णन जोड़ने वाले डेवलपर्स और Python या Colab नोटबुक चलाने में सहज क्रिएटर्स के लिए उपयुक्त है। यह एक तैयार वॉयस-ओवर स्टूडियो नहीं है: इस रेपो में कोई ग्राफिकल एडिटर नहीं है, और जापानी और मंदारिन के लिए अतिरिक्त misaki इंस्टॉलेशन की आवश्यकता होती है।
मुख्य विशेषताएँ
82M-parameter model
एक छोटा TTS मॉडल जिसे README बड़े मॉडलों की तुलना में तेज़ और सस्ता बताता है।
pip install package
pip install kokoro के साथ इंस्टॉल करें और Python की कुछ लाइनें चलाएं।
Multiple languages
कोड में अमेरिकी और ब्रिटिश अंग्रेजी, स्पेनिश, फ्रेंच, हिंदी, इतालवी, जापानी, ब्राजीलियाई पुर्तगाली और मंदारिन शामिल हैं।
Inline pronunciation
उच्चारण को ठीक करने के लिए [Kokoro](/kˈOkəɹO/) जैसे फोनेम सिंटैक्स के साथ शब्दों को चिह्नित करें।
Streaming-style output
पाइपलाइन प्रत्येक टेक्स्ट चंक के लिए ग्रैफीम, फोनेम और ऑडियो देती है।
Colab-ready examples
बुनियादी और उन्नत नोटबुक सेल README में दिए गए हैं।
3 चरणों में तैयार
हमारा ईमानदार फैसला
क्या अच्छा है
- मॉडल 82 मिलियन पैरामीटर पर छोटा है, इसलिए यह बड़े TTS सिस्टम की तुलना में चलाने में काफी हल्का है।
- README का कहना है कि वेट Apache-लाइसेंस प्राप्त हैं, इसलिए उन्हें प्रोडक्शन या व्यक्तिगत प्रोजेक्ट्स में तैनात किया जा सकता है।
- अंग्रेजी के अलावा कई व्यापक रूप से बोली जाने वाली भाषाओं को कवर करते हुए नौ भाषा कोड सूचीबद्ध हैं।
- आप किसी भी चीज़ को रीट्रेंड किए बिना फोनेम मार्कअप के साथ इनलाइन उच्चारण को ठीक कर सकते हैं।
कहाँ कमी है
- यह एक Python लाइब्रेरी है, ऐप नहीं; आप खुद कोड लिखते हैं और ऑडियो फाइलों को प्रबंधित करते हैं।
- इसे अंग्रेजी फॉलबैक और कुछ भाषाओं के लिए espeak-ng इंस्टॉल करने की आवश्यकता होती है, और जापानी तथा मंदारिन के लिए अतिरिक्त misaki पैकेज चाहिए।
- कोड रेपो में कोई टैग किए गए रिलीज़ या GitHub रिलीज़ नहीं दिखते हैं, इसलिए आप स्थिरता के लिए PyPI पैकेज वर्शन और मॉडल कार्ड पर निर्भर करते हैं।
- README गुणवत्ता के दावे करता है लेकिन यहाँ कोई साइड-बाय-साइड तुलना नहीं देता है; सैंपल Hugging Face पर लिंक किए गए हैं।
मूल्य & लाइसेंस
Apache-2.0 के तहत मुफ़्त, और README में कोई भी पेड प्लान नहीं दिखाया गया है। आपकी एकमात्र लागत वह कंप्यूटर या सर्वर है जिस पर आप इसे चलाते हैं।
हिंदी बोलने वालों के लिए जॉब्स
876 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$170 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
विकल्प
ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।
इसे उपयोग करें, या हमसे सेट करवाएं
सामान्य प्रश्न
What languages does Kokoro support?
README अमेरिकी और ब्रिटिश अंग्रेजी, स्पेनिश, फ्रेंच, हिंदी, इतालवी, जापानी, ब्राजीलियाई पुर्तगाली और मंदारिन चीनी को सूचीबद्ध करता है।
Can I use it commercially?
README का कहना है कि मॉडल में Apache-लाइसेंस प्राप्त वेट हैं और इसे प्रोडक्शन वातावरण से लेकर व्यक्तिगत प्रोजेक्ट्स तक में तैनात किया जा सकता है; कोड रेपो भी Apache-2.0 है।
Do I need a GPU?
README हार्डवेयर आवश्यकता का उल्लेख नहीं करता है; यह केवल 82 मिलियन पैरामीटर पर मॉडल को हल्के के रूप में वर्णित करता है।
