Kokoro

Kokoro 是一款极致轻量的语音合成模型，仅 82M 参数，支持零样本语音克隆和覆盖中英法日等 9 种语言的合成。它可完全离线本地运行，常用于本地语音助手、有声书生成（如搭配 Audiblez 将 EPUB 几分钟转为 M4B 有声书）以及个性化语音克隆。三行 Python 代码即可启动基础合成，上手极快。

主要优点：模型极小，CPU 可实时推理，WebGPU 下延迟低至 40ms；提供 50 个预置高自然度音色，听感自然；全本地部署，无服务器成本，无隐私泄露风险，降低长期使用开销。

门槛与局限：需要用户具备基础 Python 环境和命令行操作能力，无代码界面，对纯小白不够友好；在极端情感表现力或复杂语境下，效果可能弱于 CosyVoice 等大模型；主要能力聚焦预置音色与零样本克隆，自定义声音训练不够便捷。

部署与成本：完全免费开源，模型文件首次下载约 330MB，本地运行无 API 调用费。最适合开发者、技术爱好者、隐私敏感的个人用户以及低配硬件场景；不适合追求一键安装、零代码操作的普通消费者，或需要极高情感表现力的专业配音。