Kokoro v1.0 · 82M 参数 · 100% 本地运行
Kokoro TTS — 免费浏览器端文字转语音
美式/英式英语与普通话,36 个音色直接在浏览器里合成。首次使用会下载约 90 MB 的模型文件,之后无需联网也能继续用。
文字转语音
检测运行环境…在设备上生成语音
文本与音频在浏览器内处理,不会为语音合成而上传。首次使用需要下载模型,之后可离线复用缓存。
免费使用,无需注册
没有账号、没有次数限制。每次输入最多 2,000 字符,较长文稿可分段生成后拼接。
WAV 24 kHz 导出
下载即用的无损 WAV。中文使用自带的拼音 G2P,建议先试听再定稿,语速偏快时可下调到 0.9。
Kokoro Voices
为你的文字,找到合适的声音
36 个可用音色:美式英语 20、英式英语 8、普通话 8。点击卡片即可切换语言与音色,或直接试听(试听会真实合成,首次需要先下载模型)。
Kokoro Web 理想应用场景
内容创作
为视频、播客与多媒体项目快速做旁白草稿,不满意就换音色重来,成本为零。
教育学习
把讲义与文章转成音频,通勤时听;可调速朗读适合精听与跟读练习。
无障碍服务
为视障用户提供本地朗读能力,文本不出设备,隐私敏感内容也能处理。
语音应用原型
给助手、互动玩具或语音导览先做一版真实音色,验证体验后再接生产级 TTS。
常见问题
Kokoro TTS 是什么?
Kokoro 是一个 8200 万参数的开源语音合成模型,权重为 Apache 2.0 许可。本页面通过 kokoro-js 把模型跑在你的浏览器里:美式英语 20 个音色、英式英语 8 个、普通话 8 个。模型仓库里还有日语、西班牙语等 26 个音色,但缺少对应的音素转换词典,暂时不可用。
浏览器里怎么运行 TTS 模型?
根据浏览器能力选择 WebGPU 或 WebAssembly 推理。首次生成前会下载约 90 MB(q8 量化)模型;WebGPU + fp32 约 300 MB 以上。模型被浏览器缓存后再次打开页面无需重新下载,清缓存后会重新下载。
真的免费吗?有没有限制?
免费,无需账号。限制是单次输入 2,000 字符,以及受你设备算力影响的速度:普通笔记本用 WASM 合成一句话通常需要几秒。
为什么只有英语和中文?
语音合成前要先做文字转音素(G2P)。浏览器端只有英语音素数据,kokoro-js 把其它语言一律当英语处理,中文会被读成 “Chinese”。这里补了一套普通话拼音转音素(含声调、多音字、中英混读),所以中文可用;日语、西语、法语等仍缺 G2P 词典,与其输出乱音不如先隐藏。
支持哪些语音风格?
36 个可用音色:美式英语 20(含 af_heart 与 af_bella 两个 A 级音色)、英式英语 8(bf_emma 最自然)、普通话 8(zf_xiaoxiao 女声、zm_yunxi 男声推荐)。音色卡片上的字母是官方整体评分。
和云端 TTS 服务比有什么优势?
隐私与成本:文本不上传、无调用费用、无并发限制。代价是首屏要下载模型,长文本合成速度受设备限制,且音色数量与情感控制不如商业云端方案丰富。
长文本合成失败或中途卡住怎么办?
本页会按标点自动把长文本切成短句逐段合成,单段失败不会影响已完成的片段。如果整体卡住,尝试切到 WASM 模式、关闭其他占用显存的页面,或把文稿手动分成 500 字以内的几段。
模型下载很慢怎么办?
把「模型源」切换为 hf-mirror 镜像后重新生成。镜像与官方权重一致,只是下载通道不同。