Kokoro-82M
Описание
Kokoro-82M — компактная открытая модель озвучки текста на 82 миллиона параметров, основана на StyleTTS 2 и ISTFTNet. По карточке модели, в версии 1.0 (выпущена 27.01.2025) 54 голоса на 8 языках: американский и британский английский, японский, китайский (мандарин), испанский, французский, хинди, итальянский и бразильский португальский. Клонирования голоса нет: выбираете из готовых голосов. Автор отмечает, что поддержка не-английских языков может быть слабой, в некоторых из них всего несколько голосов. Авторы заявляют, что обучение шло только на разрешённом и синтетическом аудио. Требований к видеопамяти в карточке нет; из-за малого размера модель легко запустить, есть пакет для pip и нужна утилита espeak-ng. Это самая скачиваемая модель озвучки на Hugging Face, хотя из перечисленных у нас она самая старая. Веса лежат в открытом доступе, без подтверждения условий, под лицензией Apache-2.0, она разрешает коммерческое использование. У автора есть официальная демонстрация (Space на Hugging Face), код лежит на GitHub. Дата проверки: 19.10.2026.
Плюсы и минусы
Плюсы
- Всего 82 миллиона параметров, легко запускать
- 54 голоса на 8 языках — по карточке модели
- Лицензия Apache-2.0, веса открыты без подтверждения условий
- Обучение на разрешённом и синтетическом аудио — по словам авторов
- Официальный Space для пробы без установки
Минусы
- Нет клонирования голоса, только готовые голоса
- Поддержка не-английских языков может быть слабой — по словам автора
- Выпущена в январе 2025 года, самая старая из перечисленных у нас
- В карточке нет требований к видеопамяти
Характеристики
- Лицензия
- Apache-2.0
- Коммерческое использование
- Разрешено
- Разработчик
- hexgrad
- Языки интерфейса
- Английский
- Данные проверены
- 19.10.2026