Kokoro: realistische Sprachsynthese auf der CPU – ohne Cloud
Local, CPU-Friendly, High-Quality TTS (Text-to-Speech) with Kokoro
Kokoro, ein TTS-Modell mit nur 82 Millionen Parametern, erzeugt überraschend natürliche Sprache in mehreren Sprachen – komplett lokal auf der CPU. Der Artikel zeigt, wie man mit einem vorgefertigten Container (Kokoro-FastAPI) einen OpenAI-kompatiblen TTS-Server aufsetzt, und misst die Synthesegeschwindigkeit auf verschiedenen Prozessoren, darunter einem 12 Jahre alten Intel Core i7-4770K. Auch die Alternative Speaches wird vorgestellt, die zusätzlich Whisper für Speech-to-Text integriert.
Wenn diese uralte CPU die Aufgabe problemlos erledigen kann, weiß man, dass dies ein sehr leistungsfähiges TTS-System ist.