尧图网络 高端网站定制 · 原创设计
免费咨询热线
400-888-6620
免费获取方案
Kokoro:本地、CPU 友好,实现多语言高质量文本转语音!
本地高质量 TTS 成现实就在几年前实现逼真的本地语音合成似乎还是天方夜谭。如今其质量已十分出色而且关键的是在实现这一效果的同时还能保障隐私。运行情况与使用模型上面的视频展示了根据示例文本生成的音频该音频完全在本地机器上运行这台机器在之前的文章中已有介绍。虽然这台机器配备了专用 GPU但该 GPU 完全用于大语言模型LLM推理语音合成则完全由 CPU 驱动。所使用的模型是 Kokoro尽管它只有 8200 万个参数却能生成包括英语、普通话和印地语在内的多种语言的逼真语音。它提供了约 50 种不同的语音主要针对英语进行了优化。设置服务器的方法有几种方法可以为 Kokoro 设置服务器。最简单的方法是使用一个名为 Kokoro - FastAPI 的预制容器镜像其中包含预先下载的语音模型。因此这个容器镜像相当大约为 5GB。要使用 Docker 或 Podman 启动容器请使用相应命令。为了快速验证其是否正常运行容器会在 localhost:8880/web 提供一个简单的 Web UI。在这里你可以输入文本并生成并自动播放音频。兼容接口与测试代码除了简单的 Web UI这个容器还提供了一个与 OpenAI 语音 API 兼容的 TTS 接口这使得已经使用 OpenAI 语音 API 的现有程序能够轻松适配。为了便于快速测试在相关平台上提供了 JavaScript 和 Python 的示例代码。克隆这个仓库后就可以进行后续的演示。对于 JavaScript 和 Python 分别有对应的命令生成的音频将保存为 MP3 文件。如果你的机器上安装了 SoX 或 Sound eXchange音频还会自动播放。你还可以通过设置 TTS_VOICE 环境变量来选择不同的语音完整的可用语音列表可以在 Kokoro 官方项目页面找到。合成速度测试合成速度有多快呢以下是使用 am_eric 语音对一段简短测试段落进行合成的时间测量结果。以下列表总结了不同 CPU 上的生成时间三次运行的最佳结果Intel Core i7 - 4770K4.7 秒Apple M2 Pro4.5 秒AMD Ryzen 7 8745HS1.5 秒。列表中的第一款 CPU 是 12 年前发布的。如果这么老的 CPU 都能很好地完成任务就说明这是一个功能强大的 TTS 系统。另一选择 Speaches最后如果你想选择另一个与 OpenAI 兼容的容器化 TTS 服务可以考虑 Speaches。与 Kokoro - FastAPI 不同Speaches 需要你通过其 API 显式下载语音权重因为这些权重没有包含在容器镜像中。不过Speaches 的优势在于它集成了 Whisper这是 OpenAI 著名的高质量语音转文本STT系统。如果你的应用程序同时需要 TTS 和 STT 功能Speaches 可能是一个一站式解决方案。将这样的语音合成系统与本地大语言模型结合使用你就可以聆听大语言模型的回答而不必阅读它们
RELATED

相关推荐

别死背题库!2026年CPPM项目真正的价值,藏在中研供应链实战课程里

别死背题库!2026年CPPM项目真正的价值,藏在中研供应链实战课程里

很多供应链人陷入误区:把CPPM项目当成“应试考证工具”,只刷题库、背考点,考完证依旧不会做降本、控风险、管供应商。本文跳出传统考证科普套路,从职场破局、能力落地、行业刚需三维度拆解2026年CPPM项目核心价值,深度…

📅 2026/11/4 11:55:02
STM32 HAL库 FOC 算法移植实战:从 Simulink 模型到电机转动的 4 个关键步骤

STM32 HAL库 FOC 算法移植实战:从 Simulink 模型到电机转动的 4 个关键步骤

STM32 HAL库 FOC 算法移植实战:从 Simulink 模型到电机转动的 4 个关键步骤 永磁同步电机(PMSM)的磁场定向控制(FOC)算法在工业自动化、机器人、电动汽车等领域有着广泛应用。本文将详细介绍如何将Simulink中的FOC仿真…

📅 2026/11/3 3:18:26
人工智能真的会让程序员在5年内失业吗?

人工智能真的会让程序员在5年内失业吗?

瑞典斯德哥尔摩有一家叫Lovable的公司。146名员工。估值66亿美元。ARR超过4亿美元。人均产出超过270万美元——同样是AI编程赛道的​Cursor​,人均产出约330万美元。这些AI原生企业的人均产能比历史上任何一个传统软件公司都离谱。不是高一截,是断档。 …

📅 2026/9/12 5:14:05
MORE NEWS

更多资讯

📰

一文读懂 Go 夜读:源码分享与参与路径全解

一文读懂 Go 夜读:源码分享与参与路径全解 【免费下载链接】night Weekly Go Online Meetup via Bilibili|Go 夜读|通过 bilibili 在线直播的方式分享 Go 相关的技术话题,每天大家在微信/telegram/Slack 上及时沟通交流编程技术话…

📰

REA 实战指南:用静态分析把一份 iOS 应用解剖到底

REA 实战指南:用静态分析把一份 iOS 应用解剖到底 【免费下载链接】rea Reverse engineer anything with agents, from app behavior down to native binaries. 项目地址: https://gitcode.com/GitHub_Trending/rea2/rea 手里只有一个 IPA 文件,要…

📰

NapCatQQ 群组管理:6 个场景接管群务

NapCatQQ 群组管理:6 个场景接管群务 【免费下载链接】NapCatQQ Modern protocol-side framework based on NTQQ 项目地址: https://gitcode.com/gh_mirrors/na/NapCatQQ 加群请求不断涌来、广告消息要撤回、每周公告要手动发,人肉操作容易掉链子…

📰

给AI主播做跳舞片、MV和新造型:open-yoki Studio素材工厂全解析

【免费下载链接】open-yoki An AI live-stream host that runs on one server: voice, face, chat, memory, posts. The base yoki runs on. By Jacke_pp contact: DM Jacke_pp on X 项目地址: https://gitcode.com/gh_mirrors/op/open-yoki 点击查看 免费下载 给…

📰

为什么你需要LeviLaunchroid:Minecraft基岩版轻量Android启动器完全指南

【免费下载链接】LeviLaunchroid A launcher designed for Minecraft Bedrock Edition on Android 项目地址: https://gitcode.com/gh_mirrors/le/LeviLaunchroid 点击查看 免费下载 LeviLaunchroid 是一款开源、轻量级的 Minecraft 基岩版(Minecraft B…

📰

蔡司三坐标测量仪是什么?一文读懂原理、型号、精度与行业应用

蔡司三坐标测量仪是什么?简单说,三坐标测量机(CMM,Coordinate Measuring Machine)就是一台能在三维空间里 "量尺寸" 的设备:测头沿着 X、Y、Z 三个方向移动,逐点或连续扫过工件表面&a…

TODAY

今日更新

THIS WEEK

本周精选

THIS MONTH

本月热门

读完文章,想聊聊您的网站?

告诉我们您的行业与需求,资深顾问一对一梳理方案与报价,全程免费。

📞 💬