如何快速跑通 Kokoro-onnx轻量文本转语音 TTS 完整指南【免费下载链接】kokoro-onnxTTS with kokoro and onnx runtime项目地址: https://gitcode.com/gh_mirrors/ko/kokoro-onnxKokoro-onnx 是一个基于 Kokoro-TTS 与 ONNX Runtime 的文本转语音TTS项目模型约 300MB、量化后仅约 80MB在 Mac M1 上即可接近实时合成并提供多种音色。下面带你用三步跑通它生成第一段语音。Kokoro-onnx 解决了什么问题如果你玩过 TTS大概都踩过这些坑模型笨重动辄上 GB磁盘和内存都吃不消合成慢读一段话要等好几秒部署繁琐依赖 GPU 和一整套 CUDA 环境。Kokoro-onnx 正是冲着这些痛点来的。它跑在跨平台的 onnxruntime 上纯 CPU 就能干活模型只有约 300MB量化后压缩到 80MB 左右在 macOS M1 上能实现接近实时的合成速度。轻、快、省资源是它最核心的卖点。三步完成安装并跑通第 1 步装依赖打开终端装两条依赖就行。推荐用 uv 拿到一个干净的 Python 环境uv init -p 3.12 uv add kokoro-onnx soundfile不习惯 uv 的话直接pip install -U kokoro-onnx soundfile也一样。第 2 步准备模型文件从项目发布页下载kokoro-v1.0.onnx和voices-v1.0.bin两个文件放到脚本所在的同一目录。第 3 步写最小脚本并运行新建hello.py只保留这几行核心代码import soundfile as sf from kokoro_onnx import Kokoro kokoro Kokoro(kokoro-v1.0.onnx, voices-v1.0.bin) samples, sr kokoro.create( Hello, this is kokoro-onnx!, voiceaf_sarah, speed1.0, langen-us ) sf.write(audio.wav, samples, sr)然后执行python hello.pyuv 环境用uv run hello.py收工。效果验证怎么确认跑成功了✅ 判断标准很简单当前目录多出一个audio.wav能正常播放就说明成功了。跑通之后可以马上试试这三个参数voice切换音色默认是美国女声af_sarah换成其他音色效果差异明显speed控制语速大于 1 加速小于 1 放慢lang文本语言当前以en-us为主。进阶玩法与避坑指南选对精度版本项目提供 INT8 量化模型约 88MB和 FP16 模型约 169MB听感上量化版几乎没有明显损失。在意体积就选 INT8examples/目录里的with_quant.py有完整用法参考。注意 Python 版本支持 3.9 到 3.12推荐 3.12再往上会踩依赖兼容性的坑。GPU 是可选的x86 的 Windows / Linux 可以装kokoro-onnx[gpu]扩展走 onnxruntime-gpu 加速macOS 与 Linux ARM 只能用 CPU。语言支持还在路上目前正式支持英文法语、日语、韩语、中文还在计划中。如果你现在就要合成中文它暂时不适合。适用场景本地语音合成、给 Web 应用加 TTS 服务、离线场景都没问题。不适用当下就需要多语言或对音质有极致要求、想用更大参数模型的情况。周边生态Kokoro-82Mkokoro-onnx 的模型底座提供音色列表和更多多语言模型选音色前可以先了解它Misaki g2p文本转音素的工具负责合成前的文本切分与音素处理。另外仓库examples/目录里有一组可直接运行的示例脚本覆盖流式合成、GPU 使用、自定义音色等场景scripts/fetch_voices.py则能帮你拉取音色数据。写在最后轻量、快速、好部署kokoro-onnx 是目前最省心的 TTS 方案之一。git clone https://gitcode.com/gh_mirrors/ko/kokoro-onnx把仓库拉下来跑一遍hello.py几分钟内你就能看到自己的第一段合成语音——现在就试试把文本换成你的一句话吧。【免费下载链接】kokoro-onnxTTS with kokoro and onnx runtime项目地址: https://gitcode.com/gh_mirrors/ko/kokoro-onnx创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考