Voz · hexgrad (open source)
Kokoro
Un pequeño modelo de voz de código abierto, privado y, con diferencia, el más barato. Sub Rosa lo usa por defecto para la narración.
Privado Low costQué lo distingue
Kokoro es un modelo de pesos abiertos de 82 millones de parámetros que funciona en hardware modesto; por eso es la voz más barata del catálogo y puede funcionar en modo privado. Sacrifica algo de expresividad a cambio de velocidad y costo.
- 82 millones de parámetros, Apache 2.0
- 54 voces, 8 idiomas en la v1.0
- Entrenado con unos 1.000 $ de cómputo en GPU
Recomendado para: leer una nota o narrar una película.
Puntos fuertes y límites
Dónde brilla
- La voz más barata del catálogo, por mucho
- Modo privado: no se guarda nada
- 54 voces en 8 idiomas
Piénsalo dos veces si
- Una sola voz en francés (ff_siwis)
- Menos expresivo que los modelos más grandes
- 54 voces
- Hasta 5.000 caracteres por solicitud en Sub Rosa
Casos de uso
Un artículo largo leído en voz alta
Lee esta entrada de blog en voz alta con una voz tranquila y neutra para que pueda escucharla mientras cocino.
Un costo por carácter muy bajo hace asequibles los textos largos.
Narración privada de notas sensibles
Lee en voz alta el resumen de mi reunión.
Con el modo privado no se guarda nada.
Frente a sus rivales
- Orpheus TTSOrpheus es más expresivo en inglés, pero cuesta más y solo habla inglés.
- Qwen3 TTSQwen3 TTS cubre 10 idiomas con clonación, a varias veces el precio de Kokoro.
Historial de versiones
Cada versión, con su fecha y lo que cambió respecto a la anterior.
- Kokoro v0.19Anterior, fuera de Sub Rosa
- Primera versión: solo inglés, 10 voces, entrenado con menos de 100 horas de audio
- Kokoro v1.0La más reciente
- Multilingüe: 8 idiomas en lugar de 1
- 54 voces en lugar de 10, entrenado con unos cientos de horas de audio
Benchmarks
Cómo leer estas puntuaciones: lo que te dice un benchmark.
Artificial Analysis Speech Arena: puesto 10 de 10 modelos medidos en el catálogo. La gente escucha la misma frase leída por dos voces, sin saber qué modelos son, y elige la más natural. Una puntuación Elo: cuanto más alta, más natural suena para más personas. Con 100 puntos de diferencia, el modelo con mayor puntuación gana alrededor del 64 % de los duelos.
- 1. ElevenLabs TTS v4 TurboElevenLabs1330
- 2. ElevenLabs TTS v4ElevenLabs1329
- 3. Gemini 3.1 Flash TTSGemini 3.1 Flash TTS1209
- 4. ElevenLabs TTS v3ElevenLabs1178
- 5. Gradium TTSGradium TTS1151
- 6. MiniMax Speech-02 HDMiniMax Speech-02 HD1114
- 7. Chatterbox HD (Resemble AI)Chatterbox HD1102
- 8. ElevenLabs Turbo v2.5ElevenLabs1097
- 9. ElevenLabs Multilingual v2ElevenLabs1095
- 10. Kokoro Text to SpeechKokoro1064
Ver las cifras
| Modelo | Elo |
|---|---|
| 1. ElevenLabs TTS v4 Turbo | 1330 |
| 2. ElevenLabs TTS v4 | 1329 |
| 3. Gemini 3.1 Flash TTS | 1209 |
| 4. ElevenLabs TTS v3 | 1178 |
| 5. Gradium TTS | 1151 |
| 6. MiniMax Speech-02 HD | 1114 |
| 7. Chatterbox HD (Resemble AI) | 1102 |
| 8. ElevenLabs Turbo v2.5 | 1097 |
| 9. ElevenLabs Multilingual v2 | 1095 |
| 10. Kokoro Text to Speech | 1064 |
El modelo de esta familia
| Modelo | Uso | Privacidad | Precio |
|---|---|---|---|
Kokoro Text to Speechtts-kokoro | Voz | Privado | 0,00157 $ por 1000 caracteres0,00472 $ por una página leída en voz alta |
Especificaciones
| Especificación | Kokoro v1.0 |
|---|---|
| Lanzamiento | 27 de enero de 2025 |
| Parámetros | 82M |
| Pesos | Abiertos, Apache 2.0 |
| Acepta | text |
| Produce | audio |
| Idiomas | 8 idiomas, 54 voces |
| Precio | 0,00157 $ por 1000 caracteres |
| Privacidad | Privado |
Precios, contexto y duraciones del catálogo en vivo el 16 de octubre de 2026; parámetros y licencias según el fabricante.
Fuentes
Todo lo que hay en esta página viene de estas páginas, leídas el 16 de octubre de 2026 o en la fecha indicada en cada puntuación.