> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-fr/audio-et-voix/kokoro-tts.md). # Kokoro TTS Kokoro est un modèle de synthèse vocale (text-to-speech) de 82 millions de paramètres qui surpasse largement son gabarit. Malgré sa petite taille (moins de 2 Go de VRAM), il produit une parole anglaise remarquablement naturelle et fonctionne en temps réel ou plus vite, même sur du matériel économique. Avec une licence Apache 2.0, plusieurs styles de voix intégrés et la prise en charge de l'inférence sur CPU, Kokoro est idéal pour les applications en temps réel, les chatbots et les déploiements en périphérie. **HuggingFace :** [hexgrad/Kokoro-82M](https://huggingface.co/hexgrad/Kokoro-82M) **PyPI :** [kokoro](https://pypi.org/project/kokoro/) **Licence :** Apache 2.0 ## Principales caractéristiques * **82M de paramètres** — l'un des plus petits modèles TTS de haute qualité disponibles * **< 2 Go VRAM** — fonctionne sur pratiquement n'importe quel GPU, et même sur CPU * **Plusieurs styles de voix** — anglais américain, anglais britannique ; voix masculines et féminines * **Temps réel ou plus rapide** — inférence à faible latence adaptée au streaming * **Génération en streaming** — produit des morceaux audio au fur et à mesure qu'ils sont générés * **Prise en charge multilingue** — anglais (principal), japonais (`misaki[ja]`), chinois (`misaki[zh]`) * **Apache 2.0** — gratuit pour un usage personnel et commercial ## Exigences | Composant | Minimum | Recommandé | | --------- | ---------------------- | ---------- | | GPU | Tout avec 2 Go de VRAM | RTX 3060 | | VRAM | 2 Go | 4 Go | | RAM | 4 Go | 8 Go | | Disque | 500 Mo | 1 Go | | Python | 3.9+ | 3.11 | | Système | espeak-ng installé | — | **Recommandation Clore.ai :** Une RTX 3060 (\~0,15–0,30 $/jour) est plus que suffisante. Kokoro peut même fonctionner sur des instances CPU-only pour une synthèse vocale extrêmement économique. ## Installation ```bash # Installer la dépendance système apt-get install -y espeak-ng # Installer Kokoro et l'E/S audio pip install kokoro>=0.9.4 soundfile torch # Pour la prise en charge du japonais (optionnel) pip install misaki[ja] # Pour la prise en charge du chinois (optionnel) pip install misaki[zh] # Vérifier python -c "from kokoro import KPipeline; print('Kokoro ready')" ``` ## Démarrage rapide ```python from kokoro import KPipeline import soundfile as sf # Initialiser le pipeline # 'a' = anglais américain, 'b' = anglais britannique pipeline = KPipeline(lang_code='a') text = """ Kokoro est un modèle de synthèse vocale léger avec seulement quatre-vingt-deux millions de paramètres. Malgré sa petite taille, il produit une parole naturelle et expressive. """ # Générer de l'audio — options de voix : af_heart, af_bella, af_nicole, af_sarah, af_sky, # am_adam, am_michael, bf_emma, bf_isabella, bm_george, bm_lewis generator = pipeline(text, voice='af_heart', speed=1.0) for i, (graphemes, phonemes, audio) in enumerate(generator): sf.write(f'output_{i}.wav', audio, 24000) print(f"Chunk {i}: {graphemes[:50]}...") print("Terminé !") ``` ## Exemples d'utilisation ### Comparaison de plusieurs voix Générez le même texte avec différentes voix pour comparer : ```python from kokoro import KPipeline import soundfile as sf pipeline = KPipeline(lang_code='a') text = "Welcome to Clore.ai, the peer-to-peer GPU marketplace." voices = ['af_heart', 'af_bella', 'am_adam', 'am_michael'] for voice in voices: generator = pipeline(text, voice=voice, speed=1.0) for i, (gs, ps, audio) in enumerate(generator): sf.write(f'{voice}_{i}.wav', audio, 24000) print(f"Generated: {voice}") ``` ### Anglais britannique avec contrôle de la vitesse ```python from kokoro import KPipeline import soundfile as sf # 'b' = anglais britannique pipeline = KPipeline(lang_code='b') text = "Good afternoon. This is a demonstration of British English synthesis." # speed < 1.0 = plus lent, speed > 1.0 = plus rapide generator = pipeline(text, voice='bf_emma', speed=0.85) all_audio = [] for gs, ps, audio in generator: all_audio.append(audio) import numpy as np combined = np.concatenate(all_audio) sf.write('british_slow.wav', combined, 24000) print(f"Total duration: {len(combined)/24000:.1f}s") ``` ### Traitement de fichiers par lot Traitez plusieurs textes et concaténez-les dans un seul fichier de type livre audio : ```python from kokoro import KPipeline import soundfile as sf import numpy as np pipeline = KPipeline(lang_code='a') chapters = [ "Chapitre un. Le début de notre voyage commence ici.", "Le soleil s'est levé sur les montagnes, projetant de longues ombres dans la vallée.", "Elle a ouvert la porte et est entrée dans l'inconnu.", ] all_audio = [] silence = np.zeros(int(24000 * 0.5)) # 0,5 s de silence entre les chapitres for idx, text in enumerate(chapters): for gs, ps, audio in pipeline(text, voice='af_bella', speed=1.0): all_audio.append(audio) all_audio.append(silence) print(f"Chapter {idx+1} done") combined = np.concatenate(all_audio) sf.write('audiobook.wav', combined, 24000) print(f"Total: {len(combined)/24000:.1f}s") ``` ## Conseils pour les utilisateurs de Clore.ai * **Inférence sur CPU** — Kokoro est assez petit pour fonctionner sur CPU ; utile pour les charges de travail sensibles au coût ou lorsque les GPU ne sont pas disponibles * **Streaming** — le générateur produit des morceaux audio au fur et à mesure, permettant la lecture en temps réel dans des applications web * **Associer avec WhisperX** — utilisez WhisperX pour la transcription et Kokoro pour la ré-synthèse dans des pipelines vocaux * **Docker** — utiliser `pytorch/pytorch:2.5.1-cuda12.4-cudnn9-runtime` et ajoutez `apt-get install -y espeak-ng` à votre démarrage * **Cohérence de la voix** — restez sur un seul identifiant de voix par projet pour une expérience de narration cohérente * **Efficacité des coûts** — à 0,15 $/jour sur une RTX 3060, Kokoro est l'une des solutions TTS les moins chères à auto-héberger ## Dépannage | Problème | Solution | | ---------------------------------- | ---------------------------------------------------------------------------------------------------------------------------- | | `espeak-ng introuvable` | Exécutez `apt-get install -y espeak-ng` (dépendance système requise) | | `ModuleNotFoundError: kokoro` | Installer avec `pip install kokoro>=0.9.4 soundfile` | | L'audio sonne robotique | Essayez une voix différente (par exemple, `af_heart` a tendance à sonner le plus naturel) | | Japonais/Chinois ne fonctionne pas | Installez les extras de langue : `pip install misaki[ja]` ou `misaki[zh]` | | Mémoire insuffisante sur le CPU | Réduisez la longueur du texte par appel ; Kokoro diffuse des morceaux pour que la mémoire reste bornée | | Première exécution lente | Téléchargement des poids du modèle lors de la première utilisation (\~200 Mo) ; les exécutions ultérieures sont instantanées | --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-fr/audio-et-voix/kokoro-tts.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.