Local, CPU-Friendly, High-Quality TTS (Text-to-Speech) with Kokoro
5 days ago
- #Local AI
- #Privacy
- #Text-to-Speech
- 现在可以在不牺牲隐私的前提下实现逼真的本地文本转语音（TTS）。
- Kokoro，一个拥有8200万参数的模型，能以约50种语音生成多种语言的高质量语音，并针对英语进行了优化。
- 通过使用预制的容器镜像（Kokoro-FastAPI）进行设置非常简单，该镜像包含一个Web用户界面和一个兼容OpenAI的API。
- 语音合成可以在CPU上高效运行，性能因处理器而异（例如，在AMD锐龙7 8745HS上耗时约1.5秒）。
- 像Speaches这样的替代解决方案提供了具备语音转文本（STT）功能的TTS，适用于需要结合两种功能的应用。