Kokoro-82M (hexgrad)
82M 参数轻量 TTS 模型，支持多语言，可本地部署
社区实测
仅 82M 参数却在 TTS Arena 排名第一，质量碾压 10-20 倍参数量的模型，Apache 2.0 开源且 CPU 可跑，社区普遍认为性价比极高。训练数据依赖合成语音存在版权隐忧，但对日常使用场景而言，其轻量、速度与多语言支持已足够实用。
- 仅 82M 参数、占用不到 2GB VRAM，可在 CPU 或预算硬件上运行，无需 GPU
- 推理速度达实时或更快，适合实时应用、聊天机器人与边缘部署
- Apache 2.0 开源许可，权重完全开放，商用友好
- TTS Spaces Arena 评分超过参数量大 14 倍的模型（如 Fish Speech 500M 参数）
- 提供 ONNX 量化版本（约 80MB），便于生产环境集成
- 支持美式/英式英语、西班牙语、法语、日语、中文、印地语等多语言
- 朗读长文本/叙述性内容表现好，可用于校对文档
- API 调用成本低，约 65-80 美分/百万字符
- 训练数据主要来自 OpenAI 和 ElevenLabs 的合成输出，存在潜在版权与许可风险
- 对长叙事文本表现优于日常对话，对话场景下自然度可能不足
- 需要 espeak 作为系统依赖处理 OOD 回退及部分非英语语言，增加部署复杂度
- 最快的推理配置不一定是最佳音质，需在速度与质量之间权衡
- 现有托管 API 服务较少，不易找到现成的云端调用方案
来源
hexgrad/Kokoro-82M - Hugging FaceKokoro - GitHubKokoro-82M is VERY impressive and is super fast on macIs there any better model you can point at? I would be ...How is Kokoro TTS so good with so few parameters?Kokoro 82M vs Supertonic 3: A Real CPU TTS BenchmarkKokoro-82M - by Simeon Emanuilov - UnfoldAI magazineKokoro-82M: The best TTS model in just 82 Million parametersKokoro TTS | Guides - Clore.aiWhere I can find an API that serves hexgrad/Kokoro-82M a ...
截至 2026-07-12
快速上手
pip install kokoro && python -c "from kokoro import KPipeline; KPipeline('a'); print('Kokoro loaded')"