Modelo TTS ligero basado en ZipVoice para clonar voces y generar audio a 48 kHz, con una velocidad de más de 150 veces el tiempo real en GPU.
5,5 mil685PythonApache-2.0Actualizado hace 5 meses
hexgrad/kokoro
Biblioteca de inferencia en Python para Kokoro-82M, un modelo de texto a voz de pesos abiertos con 82 millones de parámetros.
- Estrellas
- 9,474
- Forks
- 1,054
- Issues abiertos
- 214
- Último commit
- el año pasado
¿Qué es?
kokoro es una biblioteca de inferencia para Kokoro-82M, un modelo ligero de texto a voz de pesos abiertos. Se puede instalar desde PyPI con pip y ofrece una clase KPipeline que convierte texto en audio y genera grafemas, fonemas y fragmentos de audio para cada segmento de la entrada.
La biblioteca admite varios idiomas mediante códigos de idioma, entre ellos inglés estadounidense y británico, español, francés, hindi, italiano, portugués brasileño y, con extras opcionales, japonés y chino mandarín. Las voces se seleccionan por nombre, como af_heart, o se pueden cargar directamente desde un archivo de tensor de voz. La alternativa para palabras fuera del vocabulario en inglés y algunos otros idiomas dependen de espeak-ng; las instrucciones de configuración explican cómo instalarlo en Linux, macOS y Windows.
En los Mac con Apple Silicon, establecer PYTORCH_ENABLE_MPS_FALLBACK=1 habilita la aceleración por GPU. El proyecto también ofrece un archivo de entorno de conda para resolver problemas de dependencias.
Funciones clave
- 01Se instala desde PyPI con pip y se utiliza mediante la clase KPipeline
- 02Genera grafemas, fonemas y audio para cada segmento de texto
- 03Admite varios idiomas europeos y asiáticos, además de variantes del inglés, mediante códigos de idioma
- 04Permite elegir voces por nombre o cargar directamente un tensor de voz
- 05Usa espeak-ng como alternativa para el inglés y algunos otros idiomas
- 06Habilita la aceleración por GPU en Apple Silicon mediante PyTorch MPS
Casos de uso
- Añadir salida de voz a aplicaciones o notebooks de Python
- Generar narraciones o locuciones a partir de textos largos divididos en segmentos
- Ejecutar un modelo TTS ligero en hardware personal o en servicios de producción
Inicio rápido
- 1
Instala la biblioteca desde PyPI
pip install kokoro>=0.9.4 soundfile - 2
Instala espeak-ng (se usa como alternativa para el inglés y para algunos idiomas distintos del inglés)
apt-get -qq -y install espeak-ng - 3
Crea un pipeline y genera voz a partir de texto
pipeline = KPipeline(lang_code='a')
Antes de usarlo
- Los idiomas distintos del inglés y algunas funciones requieren pasos adicionales, como instalar espeak-ng o los extras de misaki.
- Los usuarios de Windows deben instalar espeak-ng manualmente desde su página de lanzamientos.
Temas
Preguntas frecuentes
- ¿Qué es kokoro?
- Biblioteca de inferencia en Python para Kokoro-82M, un modelo de texto a voz de pesos abiertos con 82 millones de parámetros. kokoro es una biblioteca de inferencia para Kokoro-82M, un modelo ligero de texto a voz de pesos abiertos. Se puede instalar desde PyPI con pip y ofrece una clase KPipeline que convierte texto en audio y genera grafemas, fonemas y fragmentos de audio para cada segmento de la entrada.
- ¿kokoro es gratuito? ¿Qué licencia tiene?
- kokoro es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿kokoro sigue mantenido?
- Sin commits en más de 6 meses. El último commit de kokoro fue el 6 ago 2025.
- ¿Para qué puedo usar kokoro?
- Añadir salida de voz a aplicaciones o notebooks de Python Generar narraciones o locuciones a partir de textos largos divididos en segmentos Ejecutar un modelo TTS ligero en hardware personal o en servicios de producción
- ¿Cómo se instala kokoro?
- Instala la biblioteca desde PyPI: pip install kokoro>=0.9.4 soundfile Instala espeak-ng (se usa como alternativa para el inglés y para algunos idiomas distintos del inglés): apt-get -qq -y install espeak-ng Crea un pipeline y genera voz a partir de texto: pipeline = KPipeline(lang_code='a')
- ¿Dónde consigo kokoro?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/hexgrad/kokoro
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Soprano es un modelo de texto a voz ultraligero que se ejecuta en el dispositivo, compatible con CUDA, CPU y MPS, y con salida en streaming.
1,6 mil138PythonApache-2.0Actualizado hace 9 meses
Herramienta de código abierto para traducir videos a otros idiomas mediante reconocimiento de voz, traducción de subtítulos, doblaje con IA y síntesis de audio y video.
IA y Machine Learning#video-translation#speech-to-text#subtitle-translation#text-to-speech#ai-dubbing
19,5 mil2,4 milPythonGPL-3.0Actualizado hace 4 días
Modelo de texto a voz de código abierto, multilingüe a gran escala y zero-shot, compatible con más de 600 idiomas, clonación de voz y diseño de voces.
14,8 mil2,2 milPythonApache-2.0Actualizado hace 7 días
Aplicación de escritorio y web que convierte archivos EPUB, PDF, de texto y de subtítulos en audio con subtítulos sincronizados mediante TTS Kokoro-82M.
6,1 mil500PythonMITActualizado anteayer
Convierte un tema o palabra clave en un video corto terminado: genera automáticamente el guion, la voz en off, las imágenes, los subtítulos y la música.
133 mil21 milPythonMITActualizado hace 9 horas