malue-ai Kokoro TTS 本地语音合成
使用 Kokoro TTS 引擎在本地生成高质量语音，零 API 成本，完全离线。
使用场景
- 用户说「把这段文字读出来」「生成这篇文章的语音版本」
- 需要将文档、邮件、新闻转为音频
- 优先于 sag（ElevenLabs，需 API Key 和付费）
前置条件
pip install kokoro-onnx soundfile
首次使用需下载模型文件（约 300MB）。
执行方式
基本用法
from kokoro_onnx import Kokoro
kokoro = Kokoro("kokoro-v1.0.onnx", "voices-v1.0.bin")
samples, sample_rate = kokoro.create(
"你好，这是一段测试语音。",
voice="af_heart",
speed=1.0,
lang="z", # z=中文, e=英文
)
import soundfile as sf
sf.write("output.wav", samples, sample_rate)
可用声音
| Voice ID | 性别 | 语言 | 风格 |
|---|---|---|---|
af_heart |
女 | 中/英 | 温暖自然 |
af_bella |
女 | 中/英 | 清晰专业 |
am_adam |
男 | 中/英 | 沉稳 |
am_michael |
男 | 中/英 | 活力 |
长文本处理
长文本自动按句分段合成，避免内存溢出：
import re
sentences = re.split(r'[。！？\.\!\?]', long_text)
all_samples = []
for s in sentences:
if s.strip():
samples, sr = kokoro.create(s.strip() + "。", voice="af_heart", lang="z")
all_samples.append(samples)
import numpy as np
combined = np.concatenate(all_samples)
sf.write("output.wav", combined, sr)
输出规范
- 生成的音频保存为 WAV 文件并返回路径
- 告知用户音频时长和文件大小
- 中英混合文本自动处理语言切换