Kokoro-TTS-Local
本地跑 Kokoro 语音合成，网页输入文字直接出音频
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-10-01 · 当前星标 ★ 371
使用教程
环境要求
- Python 3.10+
- PyTorch（GPU 可选）
- 5G 以上磁盘
安装与启动步骤
-
1建虚拟环境
别装进系统 Python，依赖比较重
python -m venv venv -
2装依赖
先装 PyTorch，再以可编辑模式装本项目
pip install -e . -
3补日语分词
多语言音色需要 unidic 词典
python -m unidic download -
4开界面
启动后浏览器里选音色、调语速，试听再下载
python gradio_interface.py
如何确认成功
网页界面输入中文或英文句子能出声，54 个音色中至少三个能正常播放。
注意事项
- 模型是 Kokoro-82M，首次运行自动从 Hugging Face 下载，之后可离线。
- 54 个音色覆盖 9 种语言，中文音色数量远少于英文。
- PyTorch 版本必须与 CUDA 匹配，装错会静默回落到 CPU、慢到无法接受。
- 界面带认证选项，暴露到公网前务必打开。
- 长文本要自己切句，一次性塞几千字容易 OOM。
核心亮点
- 提供 Web 界面，无需写代码即可输入文本、选择音色并导出音频
- 自动依赖管理和动态模块加载，降低本地部署时手动配置环境的门槛
- 完全本地推理，文本和音频不出本机，适合隐私敏感场景
不足之处
- 项目处于早期，功能迭代和稳定性可能不足
- 文档和社区规模较小，遇到问题可参考的资料有限
适用场景
- 个人在本地批量把文章或笔记转成语音，用于通勤时收听
- 开发者把 Kokoro 集成到自己的桌面应用或自动化脚本中
- 对隐私要求高的用户在不联网环境下合成语音内容
替代项目
Coqui TTS、Piper、espeak-ng
同类项目推荐
Neural-HMM
开源
用神经HMM替代注意力，实现稳定高质量的语音合成
Neural HMMs are all you need (for high-quality attention-free TTS)
midi-model
开源
用 Transformer 自动生成 MIDI 音乐，输入风格，输出旋律。
Midi event transformer for symbolic music generation
voicevox_core
开源
把日语TTS引擎装进你的应用，离线生成自然语音
無料で使える中品質なテキスト読み上げソフトウェア、VOICEVOXのコア
DeepLearningMusicGeneration
开源
一张图看懂AI音乐生成前沿，快速上手深度学习方法
State of the Art of Music Generation with Deep Learning and AI
SLED-TTS
开源
免量化流式TTS，边生成边播放，低延迟语音合成
Streamable Text-to-Speech model using a language modeling approach, without vector q···
doc2audiobook
开源
把文档变成有声书，通勤路上用耳朵学习
Convert text documents to high fidelity audio(books).
google-tts
开源
一行代码调 Google 免费语音合成，快速生成 MP3
Google TTS (Text-To-Speech) for node.js
LibreTTS
开源
一套代码接入多种TTS引擎，快速实现语音合成
TTS-文本转语音/文本转语音前端，兼容OpenAI、EdgeTTS等接口
merlin
开源
用深度学习快速训练自定义语音合成模型，从文本到语音一键生成。
This is now the official location of the Merlin project.