Kokoro TTS
Библиотека инференса на Python для Kokoro-82M — небольшой модели преобразования текста в речь с открытыми весами и поддержкой многоязычных голосов.
Генерируйте речь локально с помощью модели с 82M параметрами и весами под лицензией Apache.
Kokoro — это библиотека инференса на Python для модели преобразования текста в речь Kokoro-82M, устанавливаемая через pip. Она подходит разработчикам и технически подкованным создателям контента, которым нужна легковесная голосовая модель для запуска на собственном железе и интеграции в продукты.
Что это
Пакет kokoro загружает модель Kokoro-82M с 82 миллионами параметров и преобразует текст в аудио 24 kHz через KPipeline. Вы выбираете код языка и голос, например af_heart, после чего получаете аудиофрагменты, которые можно сохранить с помощью soundfile. Для произношения используется библиотека G2P misaki, а для фолбэка и некоторых языков — espeak-ng.
Для кого
Инструмент подходит разработчикам, добавляющим озвучку или закадровый голос в приложения, а также создателям, умеющим работать с Python или блокнотами Colab. Это не готовая студия озвучки: в репозитории нет графического редактора, а для японского и мандаринского диалектов требуется установка дополнительных пакетов misaki.
Ключевые возможности
Модель с 82M параметрами
Небольшая TTS-модель, которая, согласно README, работает быстрее и обходится дешевле более крупных аналогов.
Установка пакета через pip
Установите пакет с помощью pip install kokoro и запустите несколько строк кода на Python.
Несколько языков
Коды охватывают американский и британский английский, испанский, французский, хинди, итальянский, японский, бразильский португальский и мандаринский китайский.
Встроенная корректировка произношения
Отмечайте слова с помощью синтаксиса фонем вроде [Kokoro](/kˈOkəɹO/), чтобы исправить произношение.
Вывод в стиле стриминга
Пайплайн выдает графемы, фонемы и аудио для каждого фрагмента текста.
Готовые примеры для Colab
В README представлены базовые и продвинутые ячейки для блокнотов.
Готово за 3 шага
Наш честный вердикт
Плюсы
- Модель обладает компактным размером в 82 миллиона параметров, поэтому ее гораздо проще запускать, чем крупные TTS-системы.
- В README указано, что веса имеют лицензию Apache, поэтому их можно развертывать в продакшене или личных проектах.
- Перечислено девять языковых кодов, охватывающих несколько распространенных языков помимо английского.
- Вы можете исправить произношение прямо в коде с помощью разметки фонем без необходимости переобучать модель.
Минусы
- Это библиотека Python, а не готовое приложение; вам придется писать код и самостоятельно управлять аудиофайлами.
- Требуется установленный espeak-ng для английского фолбэка и некоторых языков, а для японского и мандаринского китайского нужны дополнительные пакеты misaki.
- В репозитории кода нет тегов или релизов GitHub, поэтому для обеспечения стабильности вы зависите от версии пакета на PyPI и карточки модели.
- В README заявлено высокое качество, но нет прямых сравнений; примеры доступны по ссылкам на Hugging Face.
Цены и лицензия
Бесплатно по лицензии Apache-2.0, платные тарифы в README не указаны. Ваши единственные затраты — это компьютер или сервер, на котором вы все запускаете.
Вакансии для носителей русского языка
870 открытых удалённых вакансий по обучению ИИ, обновлено 14 ноября 2026 г.; в большинстве оплата $20–$170 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.
Альтернативы
Эти проверенные ИИ-инструменты делают то же самое мгновенно — из нашего оценённого каталога.
Используйте сами или мы всё настроим
Вопросы
Какие языки поддерживает Kokoro?
В README перечислены американский и британский английский, испанский, французский, хинди, итальянский, японский, бразильский португальский и мандаринский китайский.
Можно ли использовать ее в коммерческих целях?
В README указано, что веса модели распространяются под лицензией Apache и могут использоваться как в продакшене, так и в личных проектах; репозиторий кода также имеет лицензию Apache-2.0.
Нужен ли мне GPU?
В README не указаны жесткие требования к железу; модель просто описывается как легковесная (82 миллиона параметров).
