Voix · hexgrad (open source)
Kokoro
Un petit modèle de voix open source, privé et de loin le moins cher. Sub Rosa l’utilise par défaut pour la narration.
Privé Coût basCe qui le distingue
Kokoro est un modèle à poids ouverts de 82 millions de paramètres qui tourne sur du matériel modeste, d’où son prix très bas et la possibilité de le proposer en mode privé. Il troque un peu d’expressivité contre la vitesse et le coût.
- 82 M de paramètres, Apache 2.0
- 54 voix, 8 langues dans la v1.0
- Entraîné avec environ 1 000 $ de calcul GPU
Recommandé pour : lire une note ou narrer un film.
Forces et limites
Ses points forts
- La voix la moins chère du catalogue, de loin
- Mode privé : rien n’est conservé
- 54 voix réparties sur 8 langues
À éviter quand
- Une seule voix française (ff_siwis)
- Moins expressif que les grands modèles
- 54 voix
- Jusqu’à 5 000 caractères par requête dans Sub Rosa
Cas d’usage
Un long article lu à voix haute
Lisez cet article de blog à voix haute d’une voix calme et neutre pour que je l’écoute en cuisinant.
Le coût très bas au caractère rend les longs textes abordables.
Narration privée de notes sensibles
Lisez à voix haute le résumé de ma réunion.
Avec le mode privé, rien n’est conservé.
Face à ses rivaux
- Orpheus TTSOrpheus est plus expressif en anglais, mais coûte plus cher et ne parle qu’anglais.
- Qwen3 TTSQwen3 TTS couvre 10 langues avec clonage, à un prix plusieurs fois supérieur à celui de Kokoro.
Historique des versions
Chaque version, datée, avec ce qu’elle a changé par rapport à la précédente.
- Kokoro v0.19Antérieure, hors de Sub Rosa
- Première version : anglais uniquement, 10 voix, entraîné sur moins de 100 heures d’audio
- Kokoro v1.0La plus récente
- Multilingue : 8 langues au lieu d’une
- 54 voix au lieu de 10, entraîné sur quelques centaines d’heures d’audio
Benchmarks
Comment lire ces scores : ce qu’un benchmark dit.
Artificial Analysis Speech Arena : 10e sur 10 modèles mesurés du catalogue. Des gens écoutent la même phrase lue par deux voix, sans connaître les modèles, et choisissent la plus naturelle. Un classement Elo : plus le score est haut, plus la voix paraît naturelle au plus grand nombre. À 100 points d’écart, le mieux classé gagne environ 64 % des duels.
- 1. ElevenLabs TTS v4 TurboElevenLabs1 330
- 2. ElevenLabs TTS v4ElevenLabs1 329
- 3. Gemini 3.1 Flash TTSGemini 3.1 Flash TTS1 209
- 4. ElevenLabs TTS v3ElevenLabs1 178
- 5. Gradium TTSGradium TTS1 151
- 6. MiniMax Speech-02 HDMiniMax Speech-02 HD1 114
- 7. Chatterbox HD (Resemble AI)Chatterbox HD1 102
- 8. ElevenLabs Turbo v2.5ElevenLabs1 097
- 9. ElevenLabs Multilingual v2ElevenLabs1 095
- 10. Kokoro Text to SpeechKokoro1 064
Voir les chiffres
| Modèle | Elo |
|---|---|
| 1. ElevenLabs TTS v4 Turbo | 1 330 |
| 2. ElevenLabs TTS v4 | 1 329 |
| 3. Gemini 3.1 Flash TTS | 1 209 |
| 4. ElevenLabs TTS v3 | 1 178 |
| 5. Gradium TTS | 1 151 |
| 6. MiniMax Speech-02 HD | 1 114 |
| 7. Chatterbox HD (Resemble AI) | 1 102 |
| 8. ElevenLabs Turbo v2.5 | 1 097 |
| 9. ElevenLabs Multilingual v2 | 1 095 |
| 10. Kokoro Text to Speech | 1 064 |
Le modèle de cette famille
| Modèle | Usage | Confidentialité | Prix |
|---|---|---|---|
Kokoro Text to Speechtts-kokoro | Voix | Privé | 0,00157 $ pour 1 000 caractères0,00472 $ la page lue |
Fiche technique
| Caractéristique | Kokoro v1.0 |
|---|---|
| Sortie | 27 janvier 2025 |
| Paramètres | 82M |
| Poids | Ouverts, Apache 2.0 |
| Accepte | texte |
| Produit | audio |
| Langues | 8 langues, 54 voix |
| Prix | 0,00157 $ pour 1 000 caractères |
| Confidentialité | Privé |
Prix, contexte et durées tirés du catalogue le 16 octobre 2026 ; paramètres et licences selon le fabricant.
Sources
Tout ce qui figure sur cette page vient de ces pages, lues le 16 octobre 2026 ou à la date indiquée sur chaque score.