# Kokoro TTS

Kokoro — это модель синтеза речи из текста с 82 миллионами параметров, которая значительно превосходит ожидания для своего класса. Несмотря на небольшой размер (меньше 2 ГБ видеопамяти), она воспроизводит удивительно естественную английскую речь и работает в реальном времени или быстрее даже на бюджетном оборудовании. С лицензией Apache 2.0, несколькими встроенными стилями голоса и поддержкой вывода на CPU, Kokoro идеально подходит для приложений в реальном времени, чат-ботов и развёртываний 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

* **82M параметров** — одна из самых маленьких высококачественных моделей TTS
* **< 2 ГБ VRAM** — работает практически на любой GPU и даже на CPU
* **Несколько стилей голоса** — американский английский, британский английский; мужские и женские голоса
* **В реальном времени или быстрее** — низкая задержка вывода, подходящая для стриминга
* **Потоковая генерация** — выдаёт аудиочанки по мере их генерации
* **Поддержку нескольких языков** — английский (основной), японский (`misaki[ja]`), китайский (`misaki[zh]`)
* **Apache 2.0** — бесплатно для личного и коммерческого использования

## Требования

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

**Рекомендация Clore.ai:** RTX 3060 (\~$0.15–0.30/день) более чем достаточна. Kokoro может даже запускаться на экземплярах только с CPU, обеспечивая чрезвычайно выгодный по стоимости 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 (необязательно)
pip install misaki[ja]

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

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

## 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 — это лёгкая модель синтеза речи из текста с всего лишь восемьюдесятью двумя миллионами
параметров. Несмотря на свой небольшой размер, она создаёт естественную и выразительную речь.
"""

# Генерация аудио — варианты голосов: 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("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 = "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}")
```

### Британский английский с управлением скоростью

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

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

text = "Good afternoon. This is a demonstration of British English synthesis."

# 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"Total duration: {len(combined)/24000:.1f}s")
```

### Пакетная обработка файлов

Обрабатывайте несколько текстов и объединяйте в единый 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 пути начинается здесь.",
    "Солнце взошло над горами, отбрасывая длинные тени по долине.",
    "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"Chapter {idx+1} done")

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

## Советы для пользователей Clore.ai

* **Вывод на CPU** — Kokoro достаточно мала, чтобы работать на CPU; полезно для задач с ограниченным бюджетом или когда GPU недоступны
* **Потоковая передача (Streaming)** — генератор выдаёт аудиочанки по мере их создания, что позволяет воспроизводить в реальном времени в веб-приложениях
* **Комбинирование с WhisperX** — используйте WhisperX для транскрипции и Kokoro для повторного синтеза в голосовых конвейерах
* **Docker** — используйте `pytorch/pytorch:2.5.1-cuda12.4-cudnn9-runtime` и добавьте `apt-get install -y espeak-ng` в ваш автозапуск
* **Согласованность голоса** — придерживайтесь одного идентификатора голоса на проект для консистентного восприятия рассказчика
* **Экономичность** — при $0.15/день на RTX 3060 Kokoro — одно из самых дешёвых решений TTS для самостоятельного хостинга

## Устранение неполадок

| Проблема                       | Решение                                                                                     |
| ------------------------------ | ------------------------------------------------------------------------------------------- |
| `espeak-ng не найден`          | Запустите `apt-get install -y espeak-ng` (требуемая 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 работают | Установите языковые дополнения: `pip install misaki[ja]` или `misaki[zh]`                   |
| Недостаточно памяти на CPU     | Уменьшите длину текста за вызов; Kokoro стримит чанки, поэтому память остаётся ограниченной |
| Медленный первый запуск        | Загрузка весов модели при первом использовании (\~200 МБ); последующие запуски мгновенные   |


---

# Agent Instructions: 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-ru/audio-i-golos/kokoro-tts.md?ask=<question>
```

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.