Kokoro 82M V1.1 Zh

🚀 Kokoro - 轻量强大的TTS模型系列

Kokoro是一系列体积虽小但功能强大的TTS（文本转语音）模型。该模型通过短期训练，从专业数据集中引入了100名中文使用者的数据，为语音合成带来了更多可能性。

🐈 GitHub项目地址

🚀 快速开始

你可以在 Google Colab 上运行以下代码：

!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：后续需要改进使用方法，可参考 https://hf.co/hexgrad/Kokoro-82M#usage ，但在构建 KModel 或 KPipeline 时应传入 repo_id='hexgrad/Kokoro-82M-v1.1-zh' 。具体可查看 make_en.py 和 make_zh.py 。

✨ 主要特性

• 多语言支持：支持英语和中文两种语言。
• 小体积大能量：模型参数规模为8200万，在保证性能的同时，占用资源较少。
• 数据丰富：训练数据包含专业中文数据集以及众包合成英语数据。

📦 安装指南

在 Google Colab 中运行以下命令进行安装：

!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

基础用法

你可以在 Google Colab 上运行以下代码：

!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))

📚 详细文档

版本发布信息

训练成本

模型信息

🔧 技术细节

该模型是经过短期训练的结果，从专业数据集中添加了100名中文使用者。中文数据由专业数据集公司「龙猫数据」免费且无偿地提供给我们。另外，一些众包合成英语数据也进入了训练组合，包括1小时的美国女性Maple、1小时的另一位美国女性Sol以及1小时的年长英国女性Vale。

该模型并非其前身的严格升级，因为它删除了许多声音，但提前发布以收集有关新声音和标记化的反馈。除了中文数据集和3小时的英语数据外，其余数据未用于本次训练。目标是推动模型系列的发展，并最终恢复一些被遗留的声音。

目前，美国版权局的指导表明合成数据通常不符合版权保护的资格。由于这些合成数据是众包的，因此模型训练师不受任何服务条款的约束。该Apache许可模式也符合OpenAI所宣称的广泛传播AI优势的使命。

📄 许可证

本项目采用Apache 2.0许可证。

致谢

待补充，可参考 https://hf.co/hexgrad/Kokoro-82M#acknowledgements 。