nazdridoy/kokoro-tts

解决的问题

Kokoro TTS 提供了一个命令行接口（CLI），用于将文本转换为高质量、自然流畅的语音。它简化了将长篇内容（如 EPUB 书籍、PDF 文档和文本文件）转换为音频文件或流式音频的过程，无需复杂的设置即可使用 Kokoro 模型。

工作原理

该工具通过 ONNX 使用 Kokoro 模型进行语音合成。它支持多种输入格式，包括通过标准输入（stdin）从其他程序中管道传输文本，并能自动将长文本分割为可管理的段落。支持多种语言，并允许用户通过分配可自定义的权重来混合不同语音，创建混合语音。

适用人群

本工具专为偏好终端工作流、希望将文档或书籍转换为有声书或语音流，而无需图形用户界面的用户设计。

主要亮点

• 文档支持：直接处理 .epub、.pdf 和 .txt 文件，并支持将输出按章节分割。
• 语音定制：支持多种语言，可通过可调权重实现语音混合。
• 灵活输出：支持流式音频播放、WAV 和 MP3 格式，以及音频片段合并。
• 硬件加速：支持 GPU 以实现更快的合成速度。
• CLI 集成：支持通过 stdin 从其他程序中管道输入数据。