Kokoro 82M V1.1 Zh

🚀 Kokoro - 輕量強大的TTS模型系列

Kokoro是一系列體積雖小但功能強大的TTS（文本轉語音）模型。該模型通過短期訓練，從專業數據集中引入了100名中文使用者的數據，為語音合成帶來了更多可能性。

🐈 GitHub項目地址

🚀 快速開始

你可以在 Google Colab 上運行以下代碼：

!pip install -q kokoro>=0.8.2 "misaki[zh]>=0.8.2" soundfile
!apt-get -qq -y install espeak-ng > /dev/null 2>&1
from IPython.display import display, Audio

!wget https://huggingface.co/hexgrad/Kokoro-82M-v1.1-zh/resolve/main/samples/make_en.py
!python make_en.py
display(Audio('HEARME_en.wav', rate=24000, autoplay=True))

!wget https://huggingface.co/hexgrad/Kokoro-82M-v1.1-zh/resolve/main/samples/make_zh.py
!python make_zh.py
display(Audio('HEARME_zf_001.wav', rate=24000, autoplay=False))

注意：後續需要改進使用方法，可參考 https://hf.co/hexgrad/Kokoro-82M#usage ，但在構建 KModel 或 KPipeline 時應傳入 repo_id='hexgrad/Kokoro-82M-v1.1-zh' 。具體可查看 make_en.py 和 make_zh.py 。

✨ 主要特性

• 多語言支持：支持英語和中文兩種語言。
• 小體積大能量：模型參數規模為8200萬，在保證性能的同時，佔用資源較少。
• 數據豐富：訓練數據包含專業中文數據集以及眾包合成英語數據。

📦 安裝指南

在 Google Colab 中運行以下命令進行安裝：

!pip install -q kokoro>=0.8.2 "misaki[zh]>=0.8.2" soundfile
!apt-get -qq -y install espeak-ng > /dev/null 2>&1

💻 使用示例

基礎用法

你可以在 Google Colab 上運行以下代碼：

!pip install -q kokoro>=0.8.2 "misaki[zh]>=0.8.2" soundfile
!apt-get -qq -y install espeak-ng > /dev/null 2>&1
from IPython.display import display, Audio

!wget https://huggingface.co/hexgrad/Kokoro-82M-v1.1-zh/resolve/main/samples/make_en.py
!python make_en.py
display(Audio('HEARME_en.wav', rate=24000, autoplay=True))

!wget https://huggingface.co/hexgrad/Kokoro-82M-v1.1-zh/resolve/main/samples/make_zh.py
!python make_zh.py
display(Audio('HEARME_zf_001.wav', rate=24000, autoplay=False))

📚 詳細文檔

版本發佈信息

訓練成本

模型信息

🔧 技術細節

該模型是經過短期訓練的結果，從專業數據集中添加了100名中文使用者。中文數據由專業數據集公司「龍貓數據」免費且無償地提供給我們。另外，一些眾包合成英語數據也進入了訓練組合，包括1小時的美國女性Maple、1小時的另一位美國女性Sol以及1小時的年長英國女性Vale。

該模型並非其前身的嚴格升級，因為它刪除了許多聲音，但提前發佈以收集有關新聲音和標記化的反饋。除了中文數據集和3小時的英語數據外，其餘數據未用於本次訓練。目標是推動模型系列的發展，並最終恢復一些被遺留的聲音。

目前，美國版權局的指導表明合成數據通常不符合版權保護的資格。由於這些合成數據是眾包的，因此模型訓練師不受任何服務條款的約束。該Apache許可模式也符合OpenAI所宣稱的廣泛傳播AI優勢的使命。

📄 許可證

本項目採用Apache 2.0許可證。

致謝

待補充，可參考 https://hf.co/hexgrad/Kokoro-82M#acknowledgements 。