Kokoro-82M-v1.1-zh

Kokoro-82M-v1.1-zh

用一个 82M 参数的文字转语音模型朗读英文和中文文本。这是在 Kokoro 上做的一次短期训练，加入了 100 位中文说话人，适合想要小型本地声音的开发者。

由 hexgrad 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-82M-v1.1-zh 是 hexgrad 的小型文字转语音模型，拥有 8200 万参数，支持英文和中文。在基础模型 Kokoro-82M 上额外做了一小轮训练，用一家专业数据集公司的数据加入了 100 种中文声音，另外还有几小时众包的合成英语数据。这个版本列出了两种语言共 103 种声音。

适合谁：适合给应用或工具加入英文或中文语音输出的开发者，也适合想试用新声音并反馈意见的人。模型采用 Apache 2.0 许可证。

Industry | Who uses it | How they use it | Example
软件 | 应用开发者 | 给应用加入英文和中文的语音回复 | 朗读文章的阅读器
媒体 | 创作者 | 用小型本地声音模型起草旁白 | 一段中文配音草稿
研究 | 语音爱好者 | 测试新声音和分词并反馈意见 | 把它的声音与 v1.0 版本比较

如果你需要早期版本更大的声音库，可以跳过它，因为这个版本删掉了许多声音。

用在哪里：

• 使用 kokoro 软件包的 Python
• Google Colab，模型卡说你可以在那里运行它的示例单元
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件

Use case | Who | What they get back
英语语音 | 应用开发者 | 来自英文文本的音频
中文语音 | 应用开发者 | 来自中文文本的音频
声音试用 | 研究人员 | 可供评判的新声音样本

如何设置：

• Python
• 0.8.2 或更新版本的 kokoro 和 misaki 软件包，外加 soundfile
• espeak-ng，模型卡用 apt-get 安装它

1. 安装 Python。
2. 用下面第一段的第一行安装这些软件包。
3. 用第二行安装 espeak-ng。
4. 也可以用第二段里 Hugging Face 的两条命令复制模型文件。

!pip install -q kokoro>=0.8.2 "misaki[zh]>=0.8.2" soundfile
!apt-get -qq -y install espeak-ng > /dev/null 2>&1

pip install -U huggingface_hub
hf download hexgrad/Kokoro-82M-v1.1-zh

如何使用：用法与基础模型 Kokoro-82M 相同，区别是构建 KModel 或 KPipeline 时要传入这个模型的 repo_id。仓库的 samples 文件夹里有两个脚本，分别生成英文和中文的音频样本。

Tool | What it does
KPipeline | 构建语音流水线，接收这个模型的 repo_id
KModel | 加载模型，接收这个模型的 repo_id
make_en.py | 生成英文音频的示例脚本
make_zh.py | 生成中文音频的示例脚本

示例：你运行模型卡里的笔记本单元。它会生成一段英文样本和一段中文样本的 WAV 文件，然后以 24000 的采样率播放。

新手与专家：第一件可以试的小事是模型卡里的 Colab 单元，它不需要你自己做任何设置就能生成两段样本。先听一听，再去写代码。

架构是 StyleTTS 2 加 ISTFTNet，只有解码器，没有扩散，也没有发布编码器。它的参数量与基础模型一样，都是 8200 万。这个版本用了超过 100 小时的数据训练，目的是在系列继续推进之前，先收集对声音和分词的反馈。

安装 kokoro 和 espeak-ng
用这个 repo_id 构建流水线
传入英文或中文文本
模型把它读出来
保存或播放音频

Title: 模型卡中的各个版本
Model | Training data | Languages and voices
v1.1-zh | 超过 100 小时 | 2 种语言，103 种声音
v1.0 | 几百小时 | 8 种语言，54 种声音
v0.19 | 不到 100 小时 | 1 种语言，10 种声音

Title: 各版本使用的 A100 80GB GPU 小时数
v0.19: 500
v1.0: 500
v1.1-zh: 120

注意事项：

• License: Apache 2.0
• Cost to run: 未提及
• Data it reaches: 下载时从 Hugging Face 获取文件，模型卡的示例单元还会从仓库获取它的脚本
• Not for: 需要早期版本全部声音的人，因为模型卡说这个版本并不是严格的升级
• 中文训练数据由一家专业数据集公司授权提供，英语部分是众包的合成数据

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 最近 30 天下载：76,178
• 点赞：247
• 许可证：apache-2.0
• 基于：hexgrad/Kokoro-82M
• Quantized versions: 5
• Fine-tunes: 1
• 标签：text-to-speech

链接

• 模型：https://huggingface.co/hexgrad/Kokoro-82M-v1.1-zh
• 文件：https://huggingface.co/hexgrad/Kokoro-82M-v1.1-zh/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 hexgrad/Kokoro-82M-v1.1-zh

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。