Kokoro-82M-v1.0-ONNX

Kokoro-82M-v1.0-ONNX

用 Kokoro 把英文文本转成语音，这是一个 8200 万参数、打包成 ONNX 文件的文字转语音模型，可在 JavaScript 和 Python 中使用。适合想在应用里加一个小型本地语音的开发者。

由 onnx-community 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Kokoro 是一个有 8200 万参数的文字转语音模型。你给它英文文本，它返回音频。这个仓库是模型的 ONNX 版本，所以你可以用 transformers.js 在 JavaScript 中运行，也可以用 onnxruntime 在 Python 中运行。

模型卡称它在同等大小里属于领先水平。

适合谁：它适合想给网页、Node 应用或 Python 脚本加上语音输出、又不想调用托管语音服务的开发者。

行业 | 谁在用 | 怎么用 | 例子
软件 | 应用开发者 | 给 Node 或浏览器应用加上语音 | 把通知读出来
教育 | 课程制作者 | 把课文转成音频文件 | 做一份带朗读的学习资料
无障碍 | 界面设计师 | 把页面文字朗读给用户 | 朗读一篇长文章
媒体 | 内容团队 | 根据脚本做旁白草稿 | 把一小段保存成 WAV 文件

如果你需要英语以外的语言，可以跳过它，因为模型卡只列出英语。

用在哪里：只要能运行带 transformers.js 的 JavaScript 或带 onnxruntime 的 Python，就能运行这个模型，所以 Windows、macOS 和 Linux 都可以。

• 通过 kokoro-js 库用在 Node 应用里
• 基于 transformers.js 的浏览器应用
• 使用 onnxruntime 的 Python 脚本

用途 | 谁 | 得到什么
旁白 | 内容团队 | 含有朗读文本的 WAV 文件
应用里的语音 | 开发者 | 在用户一侧生成的音频
选择声音 | 设计师 | 一个有名字的声音，比如 af_bella

如何设置：用 JavaScript 时，你需要 Node 和来自 NPM 的 kokoro-js 包。用 Python 时，你需要 onnxruntime、numpy 和下载好的模型文件。

• 带 npm 的 Node，或带 onnxruntime 的 Python
• 放得下你选的 ONNX 文件的空间，从全精度到 4 位版本都有

1. 用 npm 安装 kokoro-js 库。
2. 用 id 加载模型，并选一种数据类型。
3. 用你的文本生成音频，并选一个声音。

npm i kokoro-js

如何使用：你先加载一次模型，再用文本和声音名称调用 generate。结果是一个音频对象，可以保存成 WAV 文件。

import { KokoroTTS } from "kokoro-js";

const model_id = "onnx-community/Kokoro-82M-ONNX";
const tts = await KokoroTTS.from_pretrained(model_id, {
  dtype: "q8", // Options: "fp32", "fp16", "q8", "q4", "q4f16"
});

const text = "Life is like a box of chocolates. You never know what you're gonna get.";
const audio = await tts.generate(text, {
  // Use `tts.list_voices()` to list all available voices
  voice: "af_bella",
});
audio.save("audio.wav");

工具 | 作用
KokoroTTS.from_pretrained | 按你选的数据类型加载模型
tts.generate | 用选定的声音把文本转成音频
tts.list_voices | 列出可选的声音
audio.save | 把音频写入 WAV 文件

示例：你把一句简短的话传给 generate，声音选 af_bella，再把结果保存成 audio.wav。这个文件里就是被朗读出来的那句话。

新手与专家：如果你是新手，先复制 JavaScript 代码运行一次，再播放它写出的 WAV 文件。然后改一改句子或声音名称，再运行一次。

如果你懂这个领域，Python 路线更底层一步。你要先把文本转成音素，映射成 token id，在两端加上填充 id，再喂入风格向量。上下文长度是 512 个 token。

英文文本输入
变成音素和 token id
ONNX 模型带声音运行
输出音频并保存

注意事项：模型卡提供了多个 ONNX 版本，比如全精度、fp16、量化和 4 位版本，你可以在体积和质量之间取舍。

• License: apache-2.0
• Cost to run: 未提及费用
• Data it reaches: 你下载的模型文件和你传入的文本
• Not for: 其他语言，因为模型卡只列出英语

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 框架：transformers.js
• 最近 30 天下载：828,320
• 点赞：290
• 许可证：apache-2.0
• 语言：en
• 基于：hexgrad/Kokoro-82M
• Quantized versions: 7
• Fine-tunes: 1
• 标签：transformers.js, onnx, style_text_to_speech_2, text-to-speech

链接

• 模型：https://huggingface.co/onnx-community/Kokoro-82M-v1.0-ONNX
• 文件：https://huggingface.co/onnx-community/Kokoro-82M-v1.0-ONNX/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download onnx-community/Kokoro-82M-v1.0-ONNX

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。