Kokoro TTS
Biblioteca de inferência em Python para o Kokoro-82M, um pequeno modelo de texto para fala de pesos abertos com vozes em vários idiomas.
Gere áudio localmente com um modelo de 82M parâmetros e pesos licenciados sob a licença Apache.
O Kokoro é uma biblioteca de inferência em Python para o modelo de texto para fala Kokoro-82M, instalável via pip. Ele é adequado para desenvolvedores e criadores com perfil técnico que desejam um modelo de voz leve para rodar em seu próprio hardware e integrar em produtos.
O que é
O pacote kokoro carrega o modelo Kokoro-82M de 82 milhões de parâmetros e converte texto em áudio de 24 kHz através de um KPipeline. Você escolhe um código de idioma e uma voz, como af_heart, e ele gera blocos de áudio que você pode salvar com o soundfile. Ele depende da biblioteca misaki G2P para pronúncia e do espeak-ng como fallback e para alguns idiomas.
Para quem
É adequado para desenvolvedores que adicionam locução ou narração a aplicativos e criadores que se sintam confortáveis rodando Python ou um notebook do Colab. Não é um estúdio de locução finalizado: não há um editor gráfico neste repositório, e japonês e mandarim exigem instalações extras do misaki.
Recursos principais
Modelo de 82M parâmetros
Um pequeno modelo de TTS que o README descreve como mais rápido e barato do que os maiores.
pip install package
Instale com pip install kokoro e execute algumas linhas de Python.
Vários idiomas
Os códigos cobrem inglês americano e britânico, espanhol, francês, hindi, italiano, japonês, português brasileiro e mandarim.
Pronúncia embutida
Marque palavras com sintaxe de fonemas como [Kokoro](/kˈOkəɹO/) para corrigir a pronúncia.
Saída estilo streaming
O pipeline produz grafemas, fonemas e áudio por bloco de texto.
Exemplos prontos para o Colab
Células de notebook básicas e avançadas são fornecidas no README.
Pronto em 3 passos
Nosso veredito honesto
Pontos fortes
- O modelo é pequeno, com 82 milhões de parâmetros, sendo muito mais leve para rodar do que sistemas de TTS grandes.
- O README diz que os pesos são licenciados pela Apache, portanto podem ser implantados em produção ou projetos pessoais.
- Nove códigos de idioma estão listados, cobrindo vários idiomas amplamente falados além do inglês.
- Você pode corrigir a pronúncia diretamente com marcação de fonemas, sem precisar retreinar nada.
Onde deixa a desejar
- É uma biblioteca Python, não um aplicativo; você escreve código e gerencia arquivos de áudio por conta própria.
- Ele precisa do espeak-ng instalado para o fallback de inglês e alguns idiomas, e japonês e mandarim exigem pacotes misaki extras.
- O repositório de código não mostra lançamentos marcados ou releases no GitHub, então você depende da versão do pacote no PyPI e do cartão do modelo para estabilidade.
- O README faz afirmações de qualidade, mas não oferece comparação lado a lado aqui; as amostras estão vinculadas no Hugging Face.
Preços & licença
Gratuito sob a licença Apache-2.0, e o README não mostra nenhum plano pago. Seu único custo é o computador ou servidor onde você o executa.
Vagas para quem fala português
870 vagas remotas abertas de treinamento de IA, atualizadas em 14 de novembro de 2026; a maioria paga $20–$170 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Alternativas
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
Use, ou deixe que a gente configure
FAQ
Quais idiomas o Kokoro suporta?
O README lista inglês americano e britânico, espanhol, francês, hindi, italiano, japonês, português brasileiro e chinês mandarim.
Posso usá-lo comercialmente?
O README diz que o modelo possui pesos licenciados pela Apache e pode ser implantado desde ambientes de produção até projetos pessoais; o repositório de código também é Apache-2.0.
Preciso de uma GPU?
O README não especifica um requisito de hardware; ele apenas descreve o modelo como leve, com 82 milhões de parâmetros.
