> 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-ru/audio-i-golos/kokoro-tts.md).

# Kokoro TTS

Kokoro — это модель преобразования текста в речь с 82 млн параметров, которая намного превосходит свой класс. Несмотря на крошечный размер (менее 2 ГБ видеопамяти VRAM), она выдаёт удивительно естественную английскую речь и работает в реальном времени или быстрее даже на бюджетном оборудовании. Благодаря лицензии Apache 2.0, нескольким встроенным стилям голоса и поддержке инференса на CPU, Kokoro идеально подходит для приложений реального времени, чат-ботов и развёртывания на периферии.

**HuggingFace:** [hexgrad/Kokoro-82M](https://huggingface.co/hexgrad/Kokoro-82M) **PyPI:** [kokoro](https://pypi.org/project/kokoro/) **Лицензия:** Apache 2.0

## Ключевые особенности

* **82 млн параметров** — одна из самых маленьких высококачественных моделей TTS на рынке
* **< 2 ГБ VRAM** — работает практически на любом GPU и даже на CPU
* **Несколько стилей голоса** — американский английский, британский английский; мужские и женские голоса
* **В реальном времени или быстрее** — низколатентный инференс, подходящий для потоковой передачи
* **Потоковая генерация** — выдаёт аудиофрагменты по мере их создания
* **Поддержка нескольких языков** — английский (основной), японский (`misaki[ja]`), китайский (`misaki[zh]`)
* **Apache 2.0** — бесплатно для личного и коммерческого использования

## Требования

| Компонент | Минимум              | Рекомендуется |
| --------- | -------------------- | ------------- |
| GPU       | Любой с 2 ГБ VRAM    | RTX 3060      |
| VRAM      | 2 ГБ                 | 4 ГБ          |
| ОЗУ       | 4 ГБ                 | 8 ГБ          |
| Диск      | 500 МБ               | 1 ГБ          |
| Python    | 3.9+                 | 3.11          |
| Система   | установлен espeak-ng | —             |

**Рекомендация Clore.ai:** RTX 3060 ($0.03–0.07/ч) более чем достаточно. Kokoro может даже работать на инстансах только с CPU для чрезвычайно экономичного TTS.

## Установка

```bash
# Установите системную зависимость
apt-get install -y espeak-ng

# Установите Kokoro и аудио I/O
pip install kokoro>=0.9.4 soundfile torch

# Для поддержки японского языка (необязательно)
pip install misaki[ja]

# Для поддержки китайского языка (необязательно)
pip install misaki[zh]

# Проверить
python -c "from kokoro import KPipeline; print('Kokoro готов')"
```

## Быстрый старт

```python
from kokoro import KPipeline
import soundfile as sf

# Инициализация конвейера
# 'a' = американский английский, 'b' = британский английский
pipeline = KPipeline(lang_code='a')

text = """
Kokoro — лёгкая модель преобразования текста в речь всего с восемьюдесятью двумя миллионами
параметров. Несмотря на небольшой размер, она создаёт естественную и выразительную речь.
"""

# Генерация аудио — варианты голоса: 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"Фрагмент {i}: {graphemes[:50]}...")

print("Готово!")
```

## Примеры использования

### Сравнение нескольких голосов

Сгенерируйте один и тот же текст разными голосами для сравнения:

```python
from kokoro import KPipeline
import soundfile as sf

pipeline = KPipeline(lang_code='a')

text = "Добро пожаловать в Clore.ai, P2P-рынок GPU."

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"Сгенерировано: {voice}")
```

### Британский английский с управлением скоростью

```python
from kokoro import KPipeline
import soundfile as sf

# 'b' = британский английский
pipeline = KPipeline(lang_code='b')

text = "Добрый день. Это демонстрация синтеза британского английского."

# speed < 1.0 = медленнее, speed > 1.0 = быстрее
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"Общая длительность: {len(combined)/24000:.1f}с")
```

### Пакетная обработка файлов

Обрабатывайте несколько текстов и объединяйте их в один файл в стиле аудиокниги:

```python
from kokoro import KPipeline
import soundfile as sf
import numpy as np

pipeline = KPipeline(lang_code='a')

chapters = [
    "Глава первая. Начало нашего путешествия начинается здесь.",
    "Солнце взошло над горами, отбрасывая длинные тени через долину.",
    "Она открыла дверь и шагнула в неизвестность.",
]

all_audio = []
silence = np.zeros(int(24000 * 0.5))  # 0.5 с тишины между главами

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"Глава {idx+1} завершена")

combined = np.concatenate(all_audio)
sf.write('audiobook.wav', combined, 24000)
print(f"Итого: {len(combined)/24000:.1f}с")
```

## Советы для пользователей Clore.ai

* **Инференс на CPU** — Kokoro достаточно мала, чтобы работать на CPU; полезно для задач, чувствительных к стоимости, или когда GPU недоступны
* **Потоковая передача** — генератор выдаёт аудиофрагменты по мере их создания, что позволяет воспроизводить их в реальном времени в веб-приложениях
* **Совместите с WhisperX** — используйте WhisperX для транскрибации и Kokoro для повторного синтеза в голосовых пайплайнах
* **Docker** — используйте `pytorch/pytorch:2.11.0-cuda12.8-cudnn9-runtime` и добавьте `apt-get install -y espeak-ng` для вашего стартапа
* **Согласованность голоса** — придерживайтесь одного идентификатора голоса в каждом проекте для стабильного опыта рассказчика
* **Экономическая эффективность** — при $0.03–0.07/ч на RTX 3060 Kokoro — одно из самых дешёвых решений TTS для самостоятельного хостинга

## Устранение неполадок

| Проблема                       | Решение                                                                                                            |
| ------------------------------ | ------------------------------------------------------------------------------------------------------------------ |
| `espeak-ng не найден`          | Запускайте `apt-get install -y espeak-ng` (обязательная системная зависимость)                                     |
| `ModuleNotFoundError: kokoro`  | Установите с помощью `pip install kokoro>=0.9.4 soundfile`                                                         |
| Аудио звучит роботизированно   | Попробуйте другой голос (например, `af_heart` обычно звучит наиболее естественно)                                  |
| Японский/китайский не работает | Установите дополнительные языковые пакеты: `pip install misaki[ja]` или `misaki[zh]`                               |
| Недостаточно памяти на CPU     | Уменьшите длину текста за один вызов; Kokoro выдаёт фрагменты потоково, поэтому объём памяти остаётся ограниченным |
| Медленный первый запуск        | Веса модели загружаются при первом использовании (\~200 МБ); последующие запуски мгновенные                        |


---

# 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, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-ru/audio-i-golos/kokoro-tts.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

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.