PierrunoYT/Kokoro-TTS-Local

解决的问题

该项目提供了一个本地化、易于安装的 Kokoro-82M 文本转语音（TTS）模型实现。它无需依赖云端 TTS 服务，允许用户在自己的硬件上生成高质量语音，初始设置后即可实现完全离线运行。

工作原理

该项目封装了 Kokoro-82M 模型（一个 8200 万参数的模型），并自动从 Hugging Face 下载模型权重和语音文件。用户可以通过命令行界面（CLI）或基于 Gradio 的网页界面与系统交互。系统支持多种输出格式（WAV、MP3、AAC），并可利用 CUDA 兼容 GPU 加速音频生成。

适用人群

• 希望在不依赖外部 API 的情况下获得高质量本地 TTS 的开发者和用户。
• 因隐私或网络连接原因需要离线语音合成的用户。
• 寻找支持 9 种语言的多语言 TTS 解决方案的用户。

主要亮点

• 多语言支持：涵盖 9 种语言的 54 个语音，包括美式英语、英式英语、日语、普通话、西班牙语、法语、印地语、意大利语和巴西葡萄牙语。
• 灵活的接口：提供交互式 CLI 和带有「速度拨号」预设的网页 UI，可保存常用语音和语速组合。
• 离线能力：通过设置 HF_HUB_OFFLINE 环境变量，支持完全离线模式。
• 跨平台兼容：支持 Windows、Linux 和 macOS，同时提供 Docker 支持以简化部署。
• 全面诊断工具：包含 kokoro-tts-check 工具，用于验证 Python 版本、CUDA 可用性及系统依赖项。