nazdridoy/kokoro-tts

解決的問題

Kokoro TTS 提供命令列介面（CLI），將文字轉換為高品質、自然流暢的語音。它簡化了將長篇內容（如 EPUB 書籍、PDF 文件與文字檔）轉換為音訊檔或串流音訊的流程，無需複雜設定即可使用 Kokoro 模型。

工作原理

此工具透過 ONNX 使用 Kokoro 模型進行語音合成。支援多種輸入格式，包括透過標準輸入（stdin）從其他程式管道傳入文字，並能自動將長文字分割為可管理的段落。支援多種語言，並允許使用者透過分配可自訂的權重來混合不同語音，創造混合語音。

適用對象

本工具專為偏好終端工作流程、希望將文件或書籍轉換為有聲書或語音串流，而無需圖形使用者介面的使用者設計。

主要亮點

• 文件支援：直接處理 .epub、.pdf 與 .txt 檔案，並支援將輸出依章節分割。
• 語音客製化：支援多種語言，並可透過可調權重進行語音混合。
• 彈性輸出：支援串流音訊播放、WAV 與 MP3 格式，以及音訊片段合併。
• 硬體加速：支援 GPU 以實現更快的合成速度。
• CLI 整合：支援透過 stdin 從其他程式管道輸入資料。