本地部署 Kokoro TTS 模型生成语音，支持多语言多语音风格生成！

Hello 大家好，我是 David

订阅我的频道 ，分享更多 NAS 教程和资讯 ~

Kokoro-FastAPI：

一个基于 FastAPI 封装的 Docker 应用，旨为 Kokoro-82M 文本转语音模型提供接口支持。该项目支持 CPU 和 GPU 进行推理，并提供了队列处理和自动拼接功能，使得生成长文本的语音输出更加高效和连贯。

特点：

• 多语言支持（即将推出英语、日语、韩语、中文、越南语)

• 与 OpenAI 兼容的语音终端节点、NVIDIA GPU 加速或使用 PyTorch 进行 CPU 推理

• 即将推出 ONNX 支持，请参阅 v0.1.5 及更早版本，了解临时的旧版 ONNX 支持

• 用于监控系统统计信息的调试端点，localhost：8880/web 上的集成 Web UI

• 基于音素的音频生成、音素生成

• 按单词加盖时间戳的字幕生成

• 使用加权组合进行语音混合

访问地址：

API 接口：http://localhost:8880

API 文档：http://localhost:8880/docs

Web 界面：http://localhost:8880/web

安装

Docker Compose

services: kokoro-fastapi: image: ghcr.io/remsky/kokoro-fastapi-cpu:latest container_name: kokoro-fastapi ports: - 8880:8880 restart: always

TIP：

需要注意网络问题，这个镜像挺大的好像有 3.6G

使用

浏览器中输入 http://NAS的IP:8880/web 就能看到界面

看起来还是相当简单的

勾选生成语音的角色，可以同时勾选多个进行混合

选择语言为中文

选择生成格式，默认是 MP3

可以直接输入文字，也可以上传文本

点击生成语音

生成速度还是挺快的

试听了一下，感觉生成的口速太快了，可以要调节一下这里的速度

总结

Kokoro-FastAPI 提供了 API 接口和 Web 界面，用户可以很方便将文本转语音。当然生成的语音是没有什么感情的，比不上很多有声书那些智能生成的，不过聊胜于无吧。使用下来感觉还是挺有意思的，感兴趣的推荐自己部署玩玩。

综合推荐：⭐⭐⭐⭐（挺有意思）

使用体验：⭐⭐⭐（便捷可拓展）

部署难易：⭐（非常简单）︎

没运行生成的时候，占用内存也不小

这里我是用 CPU 运行推理的，生成语音的时候基本占满