Voce · hexgrad (open source)
Kokoro
Un piccolo modello vocale open source, privato e di gran lunga il più economico. Sub Rosa lo usa di default per la narrazione.
Privato Low costCosa lo distingue
Kokoro è un modello a pesi aperti da 82 milioni di parametri che gira su hardware modesto: per questo è la voce più economica del catalogo e può funzionare in modalità privata. Rinuncia a un po' di espressività in cambio di velocità e costo.
- 82 milioni di parametri, Apache 2.0
- 54 voci, 8 lingue nella v1.0
- Addestrato con circa 1.000 $ di calcolo GPU
Consigliato per: leggere una nota o narrare un film.
Punti di forza e limiti
Dove dà il meglio
- La voce più economica del catalogo, con ampio margine
- Modalità privata: non viene conservato nulla
- 54 voci in 8 lingue
Pensaci due volte quando
- Una sola voce francese (ff_siwis)
- Meno espressivo dei modelli più grandi
- 54 voci
- Fino a 5.000 caratteri per richiesta in Sub Rosa
Casi d’uso
Un lungo articolo letto ad alta voce
Leggi questo articolo del blog ad alta voce con una voce calma e neutra, così posso ascoltarlo mentre cucino.
Un costo per carattere molto basso rende accessibili i testi lunghi.
Narrazione privata di note riservate
Leggi ad alta voce il riassunto della mia riunione.
Con la modalità privata non viene conservato nulla.
Rispetto ai rivali
- Orpheus TTSOrpheus è più espressivo in inglese, ma costa di più e parla solo inglese.
- Qwen3 TTSQwen3 TTS copre 10 lingue con clonazione, a un prezzo diverse volte superiore a quello di Kokoro.
Cronologia delle versioni
Ogni versione, datata, con ciò che ha cambiato rispetto alla precedente.
- Kokoro v0.19Precedente, non in Sub Rosa
- Prima versione: solo inglese, 10 voci, addestrato su meno di 100 ore di audio
- Kokoro v1.0La più recente
- Multilingue: 8 lingue invece di 1
- 54 voci invece di 10, addestrato su qualche centinaio di ore di audio
Benchmark
Come leggere questi punteggi: cosa dice un benchmark.
Artificial Analysis Speech Arena: 10° su 10 modelli misurati nel catalogo. Le persone ascoltano la stessa frase letta da due voci, senza sapere quali sono i modelli, e scelgono la più naturale. Un punteggio Elo: più è alto, più la voce suona naturale a più persone. Con 100 punti di distacco, il modello con il punteggio più alto vince circa il 64% dei duelli.
- 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
Vedi i numeri
| Modello | 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 |
Il modello di questa famiglia
| Modello | Uso | Privacy | Prezzo |
|---|---|---|---|
Kokoro Text to Speechtts-kokoro | Voce | Privato | 0,00157 $ ogni 1.000 caratteri0,00472 $ per una pagina letta ad alta voce |
Scheda tecnica
| Caratteristica | Kokoro v1.0 |
|---|---|
| Uscita | 27 gennaio 2025 |
| Parametri | 82M |
| Pesi | Aperti, Apache 2.0 |
| Accetta | text |
| Produce | audio |
| Lingue | 8 lingue, 54 voci |
| Prezzo | 0,00157 $ ogni 1.000 caratteri |
| Privacy | Privato |
Prezzi, contesto e durate dal catalogo in tempo reale del 16 ottobre 2026; parametri e licenze secondo il produttore.
Fonti
Tutto ciò che è in questa pagina viene da queste pagine, lette il 16 ottobre 2026 o alla data indicata su ogni punteggio.