Kokoro TTS

Kokoro TTS 是一个开源的文本转语音模型，参数只有 8200 万，架构基于 StyleTTS 2。它的卖点是用很小的体量做出接近大模型的合成质量，官方页面拿它和 XTTS、MetaVoice 这类参数大得多的模型对比。网页上可以直接输入文字试听，也可以从 Hugging Face 拉代码自己部署。

能做什么

输入一段文字，选一个语音包，就能生成音频。页面提到 Bella、Sarah、Adam 等声音，美式英语和英式英语都有。多语言方面支持英语、法语、韩语、日语和普通话，但常见问题里也写明目前主要针对英语优化，其他语言还在扩展。做电子书转有声书时，它能自动识别章节和段落，把长文切成合适的片段再合成；单次最多处理 510 个标记。接口与 OpenAI 的语音端点兼容，开发者可以把它接进现有应用。

怎么用

不想折腾的话，站内提供在线试用，输入文字即可生成。想本地跑，可以从 Hugging Face 克隆仓库，按说明安装，也支持 Docker 和 ONNX 部署，CPU 和 GPU 都能运行，有 NVIDIA GPU 时生成更快。另外有一个 Chrome 插件 VoiceRead，能选中网页文字或整页朗读，在侧边栏控制播放，免费额度是每月一万字符。

费用与限制

模型本身开源，采用 Apache 2.0 许可证，个人和商业使用都不需要额外授权。页面标注的版本是 v0.23。语音的自然度和情感表现取决于所选语音包，中文效果与英语相比仍有差距，正式项目建议先试听再决定。