PierrunoYT/Kokoro-TTS-Local

解決的問題

Kokoro-TTS-Local 提供了一個精簡的 Kokoro-82M 文字轉語音模型的本地實作。它透過自動從 Hugging Face 下載模型與語音，並提供易於使用的介面來離線生成高品質語音，從而消除了複雜的手動設定需求。

工作原理

該專案封裝了 Kokoro-82M 模型（一個 82M 參數的模型），並提供了幾種互動方式：

• 介面：提供用於文字輸入與語音選擇的互動式命令列介面 (CLI) 與基於 Gradio 的 Web 介面。
• 資源管理：自動處理模型檔案 (kokoro-v1_0.pth) 與設定檔的下載。它還透過 HF_HUB_OFFLINE 環境變數支援專用離線模式。
• 處理：系統支援 9 種語言的 54 種語音，包括美式英語、英式英語、日語、中文（普通話）等。它可以以 WAV、MP3 與 AAC 格式輸出音訊。
• 硬體加速：支援相容 CUDA 的 GPU 以實現更快的生成，同時在 CPU 上也能正常運作。

適用對象

想要在自己的硬體上本地執行高品質文字轉語音合成的使用者，用於保護隱私、離線存取或整合到其他本地 AI 工作流中，而無需依賴裝置端的雲端 API。

亮點

• 多語言支援：涵蓋 9 種不同語言的 54 種語音。
• 離線能力：初始資源下載後支援完全離線模式。
• 使用者友善介面：包括 Web UI 與 CLI。
• 全面的診斷：內建 kokoro-tts-check 工具，用於驗證 Python 版本、CUDA 可用性及依賴項目。
• 靈活的輸出：支援多種音訊格式 (WAV, MP3, AAC) 與可調節的語速 (0.5x 至 2.0x)。
• Docker 支援：透過 Docker 實現基於 CPU 設定的快速啟動。