Kokoro erzeugt Sprache aus Text und lässt sich in einer eigenen Umgebung betreiben. Das Modell eignet sich für Vertonungen in den dokumentierten Sprachen und für programmgestützte Abläufe zur Sprachausgabe.

Offizielle Dokumentation von Kokoro auf GitHub. Quelle öffnen

Vom Text zur Audiodatei

Kokoro ist ein offenes Modell zur Sprachsynthese mit 82 Millionen Parametern. Sie wählen eine Sprache und eine vorgegebene Stimme, übergeben den Text und speichern anschließend die erzeugte Audiodatei. Die offizielle Bibliothek unterstützt das Anpassen der Sprechgeschwindigkeit und das Aufteilen des Textes in Abschnitte. Da es sich um ein Modell und eine Programmbibliothek handelt, benötigen Sie eigene Lösungen für die Bearbeitung von Spuren, die Projektablage und die Veröffentlichung der Vertonung.

Das offizielle Beispiel erzeugt Audio über KPipeline und speichert das Ergebnis als WAV mit 24 kHz. Für einen wiederholbaren Ablauf sollten Sie den Ausgangstext, die Kennung der Stimme und die Einstellungen aufbewahren. Diese Angaben helfen zu verstehen, warum sich zwei Fassungen derselben Anleitung in Sprechtempo oder Aussprache unterscheiden. Die Leistung hängt von Hardware und Umgebung ab; ein vergleichender Qualitätstest wurde hier nicht durchgeführt.

Verfügbare Sprachen und Stimmen

Die Dokumentation nennt Englisch, Spanisch, Französisch, Hindi, Italienisch, Japanisch, brasilianisches Portugiesisch und Mandarin. Für Englisch gibt es amerikanische und britische Stimmen. Der Sprachcode muss zur gewählten Stimme passen. Eine Unterstützung für Russisch wird in der offiziellen Dokumentation nicht angegeben.

Die Menge der Trainingsdaten und die Qualität einzelner Stimmen unterscheiden sich. Die Autoren beschreiben ausdrücklich Einschränkungen bei manchen Sprachen und warnen davor, dass sehr kurze Äußerungen und lange Abschnitte schlechter klingen können. Bereiten Sie zunächst einen kurzen Auszug mit Namen, Zahlen und Begriffen vor, die für Ihr Material typisch sind, statt gleich ein ganzes Kapitel zu erzeugen. Hören Sie ihn an, bevor Sie den übrigen Text verarbeiten.

Beispiel für ein Schulungsvideo

Angenommen, Sie möchten eine englische Anleitung zur Einrichtung einer App vertonen. Bereiten Sie einen vollständigen Absatz vor, wählen Sie eine englische Stimme und speichern Sie die erste Fassung, ohne den Text zu ändern. Ändern Sie bei einer zweiten Fassung nur die Geschwindigkeit. Vergleichen Sie die Verständlichkeit von Namen, die Pausen vor Handlungsschritten und die Satzenden. Wählen Sie dann ein Sprechtempo, das zum Video passt.

Wenn die Stimme bei einem langen Abschnitt zu hasten beginnt, teilen Sie den Text an einer sinnvollen Stelle und hören Sie sich den Übergang erneut an. Zerschneiden Sie einen Satz nicht nur, um gleich lange Teile zu erhalten; das kann die Intonation beeinträchtigen. Prüfen Sie Zahlen und Abkürzungen gesondert. Ein gut klingender Absatz belegt noch nicht die Qualität eines ganzen Schulungskurses.

Eigener Betrieb und Nutzungsbedingungen

Code und Modellgewichte sind unter Apache 2.0 verfügbar. Die offizielle Anleitung beschreibt die Installation des Python-Pakets und seiner Abhängigkeiten; für manche Sprachen werden zusätzliche Komponenten benötigt. Nach dem Herunterladen der erforderlichen Dateien können Sie die Verarbeitung lokal in Ihrer eigenen Umgebung ausführen. Dafür brauchen Sie Einrichtung, Wartung und eigene Rechenressourcen.

Die Modelllizenz ist kein Abonnement für einen Cloud-Dienst und übernimmt keine Kosten für externes Hosting. Beachten Sie die Lizenzanforderungen, wenn Sie Code oder veränderte Komponenten weitergeben. Rechte am Text und die Zulässigkeit der konkreten Audionutzung sind separat zu prüfen. Websites anderer Anbieter mit Kokoro im Domainnamen sollten Sie nicht automatisch als offiziellen Dienst des Autors ansehen.

Für welche Aufgaben geeignet

Eigene Lernmaterialien in einer unterstützten Sprache vertonen
Einen lokalen Ablauf zur Umwandlung von Text in Audio aufbauen
Stimme und Sprechtempo für eine kurze Anleitung auswählen

Funktionen

Stärken

Offene Modellgewichte und eine Bibliothek für den eigenen Betrieb
Dokumentierte Stimmen, anpassbare Sprechgeschwindigkeit und Audioexport

Zu berücksichtigen

Einschränkungen

Russisch ist in der offiziellen Sprachliste nicht aufgeführt
Erfordert die Einrichtung der Umgebung und die Prüfung jeder gewählten Stimme

Auswahl und Bedingungen

Kostenlose Nutzung: Ja
Testphase: Nicht bestätigt
Keine Registrierung erforderlich: Nicht bestätigt
Russische Benutzeroberfläche: Nicht bestätigt
Lokale Installation: Ja
API: Nicht bestätigt

„Nicht bestätigt“ bedeutet, dass nicht genügend Informationen vorliegen. Die Funktion kann dennoch verfügbar sein; prüfen Sie die Angaben des Entwicklers.

Eingabeformate: Text
Ergebnis: Audio

Bedingungen

Code und Modellgewichte sind unter Apache 2.0 verfügbar. Sie benötigen eine eigene Umgebung und die nötigen Abhängigkeiten; Russisch ist in der offiziellen Sprachliste nicht aufgeführt. Eine öffentliche Cloud-API des Autors ist nicht bestätigt.

Von der Aufgabe zum ersten Ergebnis

Praxisbeispiel

Aufgabe: Eigene Lernmaterialien in einer unterstützten Sprache vertonen
Was Sie vorbereiten sollten: Ein eigener englischer Anleitungstext, eine eingerichtete Kokoro-Umgebung und eine passende englische Stimme.

Aufgabenbeschreibung oder Prompt

Open your profile and choose Settings. In the Notifications section, select which messages you want to receive. You can turn off promotional messages while keeping security alerts enabled. Before you close this window, check that your changes have been saved. If the settings look different, return to your profile and review the notification options again.

Erwartetes Ergebnis

Entwurf einer englischen Vertonung mit der gewählten Stimme zum Speichern als Audiodatei; das Tempo wird über den Syntheseparameter eingestellt.

So prüfen Sie das Ergebnis

Hören Sie auf Satzenden und die Pause vor jedem Handlungsschritt.
Vergleichen Sie zwei Geschwindigkeiten bei gleichem Text und gleicher Stimme.
Prüfen Sie, ob beim Aufteilen des Textes Wörter verloren gehen und ob die Übergänge natürlich klingen.

Ein redaktionelles Lernbeispiel für eine Aufgabenbeschreibung, kein Ergebnis eines eigenen Praxistests des Dienstes. Prüfen Sie die Verfügbarkeit des benötigten Modus, die Rechte am Ausgangsmaterial und die Bedingungen für die Nutzung des Ergebnisses.

Details überprüfen

Offizielle Quellen

Die Beschreibung basiert auf den Materialien des Entwicklers. Die Funktionen, Preise und Verfügbarkeit können variieren. Bitte überprüfen Sie die Quelle vor der Verwendung.

Kokoro.