Kokoclone

Kokoclone

用你提供的一段短参考音频克隆出的声音朗读输入的文字，支持八种语言。它在笔记本 CPU 上就能运行，适合语音助手原型、旁白和演示。

由 Stevensayer7 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Kokoclone 能把输入的文字，用你给它的一段短音频里的声音读出来。它基于 Kokoro 文字转语音引擎，并加上了声音克隆。它支持八种语言，还有一个 Gradio 网页，方便快速测试。

适合谁：适合需要快速得到克隆声音的开发者和创作者，比如做语音助手原型、旁白或演示。做小型声音实验的研究人员也适合。

Title: 谁在用声音克隆
Industry | Who uses it | How they use it | Example
软件 | 语音助手开发者 | 用选定的声音做出会说话的助手原型 | 用克隆的声音测试一句回复
媒体 | 内容创作者 | 用自己拥有的声音朗读脚本 | 用自己的声音读一段短脚本
研究 | 语音研究人员 | 做声音迁移的小型实验 | 把克隆结果和参考音频对比
教育 | 语言老师 | 生成多种语言的口语示例 | 生成一句法语或日语的口语短句

如果你需要的是不用参考音频的固定内置声音，可以跳过它。

用在哪里：

• 网页浏览器：这个 Space 在 Hugging Face 上运行，无需安装任何东西
• 你自己的电脑，在 Windows、macOS 或 Linux 上运行 Python 3.12.12
• 普通笔记本 CPU，或者用 GPU 获得更快的语音生成

Use case | Who | What they get back
用一段短音频克隆声音 | 创作者 | 用参考音频的声音读出你输入的文字
生成另一种语言的语音 | 老师和开发者 | 英语、印地语、法语、日语、中文、意大利语、葡萄牙语或西班牙语的语音
快速做一个演示 | 开发者 | 一个有文字、语言和参考音频上传的 Gradio 页面

如何设置：

• Python 3.12.12 和 pip
• requirements.txt 里的 Python 包
• packages.txt 里的系统包，Hugging Face 会用 apt-get 安装它们

1. 安装 Hugging Face hub 包，并把这个 Space 下载到一个文件夹。
2. 进入这个文件夹。
3. 安装 Gradio 6.8.0，再安装 requirements.txt 里的包。
4. 用 Python 启动应用。

pip install -U huggingface_hub
hf download Stevensayer7/clone --repo-type space --local-dir clone
cd clone
pip install gradio==6.8.0
pip install -r requirements.txt
python app.py

README 说，想用 GPU 提速的 NVIDIA 用户，改为安装 requirements 和 kokoro-onnx 的 GPU 版本。

pip install -r requirements.txt
pip install kokoro-onnx[gpu]

如何使用：启动应用，再在浏览器里打开它提供的页面。输入文字，选择语言，上传参考声音，然后生成语音。模型文件会在第一次运行时下载。README 还给出了一段 Python 调用。

from core.cloner import KokoClone

cloner = KokoClone()

cloner.generate(
    text="This voice is cloned using KokoClone.",
    lang="en",
    reference_audio="reference.wav",
    output_path="output.wav"
)

示例：你上传一段约三到十秒的参考音频，输入一句英文，并选择英语。应用会用你那段音频里的声音，把这句话读出来。

新手与专家：如果你刚接触这类工具，打开这个 Space，录一小段自己的声音并上传。输入一句话，听听结果。只使用你有权复制的声音。

如果你熟悉这个领域，它把 Kokoro ONNX 文字转语音引擎和用于声音转换的 Kanade 分词器配合起来，只需一小段音频就能零样本克隆。代价是用一个小而快、能在 CPU 上运行的模型，换掉更大系统可能达到的保真度。

你输入文字并选择语言
你上传一段短参考音频
Kokoro 的语音被转换成你的声音
返回克隆后的音频

注意事项：

• 语言：英语、印地语、法语、日语、中文、意大利语、葡萄牙语和西班牙语
• 第一次运行：应用会自动下载所需的模型文件
• Data it reaches: 你上传的参考音频，以及第一次运行时获取的模型文件
• License: apache-2
• Cost to run: none named

Hugging Face 上的数据（2026年11月13日）

• 点赞：1
• 构建方式：gradio
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/Stevensayer7/clone
• 文件：https://huggingface.co/spaces/Stevensayer7/clone/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。