Kokoro：高效语音合成模型，生成自然流畅的语音

General Introduction

Kokoro 82M 是由 Hugging Face 提供的一个高效语音合成模型，旨在通过较少的参数和数据生成高质量的语音。该模型拥有 8200 万参数，使用 Apache 2.0 许可证发布，支持多种语音包（Voicepacks），可以生成不同风格和语言的语音。Kokoro-82M 在 TTS（Text-to-Speech）领域表现出色，尤其在 Elo 排名中表现优异，能够在较少的计算资源下实现高质量的语音合成。

Kokoro 封装的API：Kokoro TTS API: Dockerized FastAPI wrapper for fast text-to-speech (Kokoro-82M model)

体验地址：https://huggingface.co/spaces/hexgrad/Kokoro-TTS

Function List

• speech synthesis：生成自然流畅的语音输出。
• 多语音包支持：提供多种语音包，用户可以选择不同的声音风格。
• 高效模型：使用较少的参数和数据实现高质量的语音合成。
• 开源许可：采用 Apache 2.0 许可证，允许自由使用和修改。
• Community Support：提供 Discord 服务器，用户可以在社区中讨论和反馈。

Using Help

Installation process

1. Installation of dependencies::

   git lfs install
git clone https://huggingface.co/hexgrad/Kokoro-82M
cd Kokoro-82M
apt-get -qq -y install espeak-ng > /dev/null 2>&1
pip install -q phonemizer torch transformers scipy munch

2. 构建模型并加载默认语音包::

   from models import build_model
import torch
device = 'cuda' if torch.cuda.is_available() else 'cpu'
MODEL = build_model('kokoro-v0_19.pth', device)
VOICE_NAME = 'af'  # 默认语音包
VOICEPACK = torch.load(f'voices/{VOICE_NAME}.pt', weights_only=True).to(device)
print(f'Loaded voice: {VOICE_NAME}')

3. Generate Speech::

   from kokoro import generate
text = "How could I know? It's an unanswerable question. Like asking an unborn child if they'll lead a good life. They haven't even been born."
audio, out_ps = generate(MODEL, text, VOICEPACK, lang=VOICE_NAME[0])
from IPython.display import display, Audio
display(Audio(data=audio, rate=24000, autoplay=True))

Instructions for use

1. 选择语音包：Kokoro-82M 提供多种语音包，用户可以根据需要选择不同的声音风格。默认语音包为 af，可以在 voices 文件夹中找到其他语音包。
2. Generate Speech: Use generate 函数输入文本并生成语音。生成的语音为 24kHz，可以通过 IPython 显示播放。
3. Adjustment parameters：用户可以根据需要调整模型参数和语音包，以获得最佳的语音合成效果。