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 zeigt, dass Sprachsynthese nicht zwingend riesige Modelle braucht: Mit nur 82 Millionen Parametern läuft es flüssig auf CPU oder GPU und liefert trotzdem eine erstaunlich natürliche, wenig roboterhafte Stimme. Dadurch eignet es sich besonders für leichtgewichtige Vorlese-Funktionen in Apps, Screenreadern oder lokalen Assistenten, bei denen große TTS-Modelle mit mehreren Gigabyte Overkill wären. Verglichen mit generischen, sehr rechenhungrigen Sprachmodellen punktet Kokoro durch Geschwindigkeit und geringen Ressourcenbedarf, nicht durch Stimmenvielfalt oder Sprachen-Abdeckung. Für einfache Text-Vorlesefunktionen, Barrierefreiheit oder Prototypen ist es damit oft die pragmatischere Wahl als ein großes multimodales Modell.

Praxis-Tipp

Für schnelle Vorlese-Funktionen in eigenen Skripten eignet sich Kokoro gut als lokale TTS-Engine, etwa um Zusammenfassungen oder Benachrichtigungen automatisch vorzulesen.

Lizenz & Quelle

• Lizenz: Apache-2.0
• Quelle: HF