Kokoro TTS 是什么?
Kokoro TTS 是一款基于 StyleTTS 2 架构的 AI 文字转语音模型,参数量为 82M。用户可在本站在线试用 Kokoro TTS,把文字转换成自然、接近真人的语音。模型以 Apache 2.0 协议开源,个人和商业项目都可免费使用;开发者可从 Hugging Face 获取模型,并参照 Colab 笔记本完成部署。
Kokoro 的特点在于体积小:网站称它只有 8200 万参数,排名却高于 XTTS、MetaVoice 等更大的模型,CPU 和 GPU 环境都能运行。它提供美式和英式英语音色包,能自动识别长文本的章节,并提供兼容 OpenAI 的语音接口。网站还列出了法语、韩语、日语和中文,但其 FAQ 说明目前主要针对英语优化。配套的 Chrome 扩展 VoiceRead 可以朗读网页内容。
适合谁用
- 有声书与电子书创作者
- 播客和视频制作者
- 教育与企业培训人员
- 开发语音功能的开发者
- 无障碍服务从业者
如何使用 Kokoro TTS
- 1
打开 Kokoro TTS 在线版
访问 kokorottsai.com,点击“Try Now Online”进入网页版文字转语音演示。
- 2
输入文本并选择音色
粘贴要朗读的文字,再从 Bella、Sarah、Adam 等音色包中选一个。
- 3
生成语音
执行语音合成后,可直接在浏览器中试听生成的音频。
- 4
自行部署或使用扩展
开发者可从 Hugging Face 克隆模型,按 Colab 笔记本完成部署;只想听网页的话,安装 VoiceRead Chrome 扩展即可。
Kokoro TTS 核心功能
82M 参数的轻量语音合成模型
模型只有 8200 万参数,资源占用低,CPU 和 GPU 都能运行。
多种自然真人语音音色包
提供 Bella、Sarah、Adam 等多个音色包,涵盖美式和英式英语。
自动内容分段
能自动识别章节和段落,把长篇电子书和文章整理成结构清晰的音频。
兼容 OpenAI 的语音接口
语音接口采用 OpenAI API 格式,方便接入现有应用。
灵活部署
支持通过 Docker 或 ONNX 部署,GPU 加速可加快音频生成。
VoiceRead 网页朗读
VoiceRead Chrome 扩展可在 Chrome 侧边栏中朗读选中的文字、整篇文章或粘贴的内容。
Kokoro TTS 使用场景
电子书转有声书
出版方和个人可借助章节识别,把电子书库(包括小众书目)转成有声读物。
制作培训资料与教程
团队无需录音,就能为培训视频和教程生成配音。
提升内容可访问性
文本转语音能为博客、文章等内容提供语音版,方便偏好或需要听读的用户。
把文稿转成播客
创作者可以把写好的文稿直接转成播客音频。
Kokoro TTS 常见问题
Kokoro TTS 是什么?
Kokoro TTS 是一款基于 StyleTTS 2 架构的开源 AI 文字转语音模型,参数量为 82M,可以从文本生成自然的语音。
Kokoro TTS 免费吗?
免费。模型采用 Apache 2.0 协议开源,个人和商业用途都可免费使用;VoiceRead Chrome 扩展每月也有一定的免费字符额度。
82M 参数的模型和更大的语音合成模型比效果如何?
网站称 Kokoro 的排名高于 XTTS(467M 参数)和 MetaVoice(1.2B 参数),并将此归功于高效的架构和高质量的训练数据。
Kokoro TTS 支持哪些语言?
网站列出了美式英语、英式英语、法语、韩语、日语和中文,但其 FAQ 说明模型目前主要针对英语优化。
如何自己部署 Kokoro TTS?
从 Hugging Face 克隆 Kokoro TTS 仓库,按照说明或 Colab 笔记本操作即可。模型可在 CPU 或 GPU 上运行,支持 Docker 和 ONNX 部署。
一次能处理多长的文本?
Kokoro TTS 单次最多可处理 510 个 token。
本文根据 kokorottsai.com 官网公开页面整理,查看日期 2026年10月9日。

