Kokoro

Kleines TTS-Modell mit erstaunlich natürlicher Qualität — sehr beliebt für leichtgewichtige Vorlese-Funktionen.

So nutzt du es

Am einfachsten per Ollama: ollama pull <modellname> und dann ollama run <modellname> — oder komfortabel mit LM Studio (grafische Oberfläche, Modell-Suche eingebaut). Die Hardware-Angaben unten beziehen sich auf die übliche 4-Bit-Quantisierung (Q4).

Größen & Hardware

• Empfohlene Hardware (Q4): CPU/GPU, nur 82M Parameter

Im Detail

Kokoro ist ein Text-to-Speech-Modell, das mit nur 82 Millionen Parametern auskommt und trotzdem erstaunlich natürlich klingende Sprache erzeugt – ein deutlicher Unterschied zu vielen anderen kleinen TTS-Modellen, die oft roboterhaft klingen. Durch die geringe Größe läuft es flüssig auf normaler CPU-Hardware und benötigt keine dedizierte GPU, was es ideal für Vorlese-Funktionen in Apps, als Screenreader-Ersatz oder zum Vertonen generierter Texte macht. Im Vergleich zu großen, cloud-basierten TTS-Diensten fehlt es an Stimmenvielfalt und Feintuning-Möglichkeiten, dafür läuft alles lokal und kostenlos. Für Projekte, die schnelle, ressourcenschonende Sprachausgabe ohne Cloud-Abhängigkeit brauchen, ist Kokoro aktuell eine der beliebtesten Optionen.

Praxis-Tipp

Kokoro eignet sich gut, um KI-generierte Antworten direkt lokal vorzulesen, etwa in Kombination mit einem Chat-Tool, das TTS-Ausgaben unterstützt.

Lizenz & Quelle

• Lizenz: Apache-2.0
• Quelle: HF