Voz · hexgrad (open source)
Kokoro
Um pequeno modelo de voz de código aberto, privado e de longe o mais barato. O Sub Rosa o usa por padrão para a narração.
Privado Low costO que o diferencia
O Kokoro é um modelo de pesos abertos com 82 milhões de parâmetros que roda em hardware modesto; por isso é a voz mais barata do catálogo e pode rodar no modo privado. Ele troca um pouco de expressividade por velocidade e custo.
- 82 milhões de parâmetros, Apache 2.0
- 54 vozes, 8 idiomas na v1.0
- Treinado com cerca de US$ 1.000 de processamento em GPU
Recomendado para: ler uma nota ou narrar um filme.
Pontos fortes e limites
Onde ele brilha
- A voz mais barata do catálogo, com folga
- Modo privado: nada é guardado
- 54 vozes em 8 idiomas
Pense duas vezes quando
- Só uma voz em francês (ff_siwis)
- Menos expressivo que os modelos maiores
- 54 vozes
- Até 5.000 caracteres por solicitação no Sub Rosa
Casos de uso
Um artigo longo lido em voz alta
Leia este post do blog em voz alta, com uma voz calma e neutra, para eu ouvir enquanto cozinho.
Um custo por caractere muito baixo deixa textos longos acessíveis.
Narração privada de notas sensíveis
Leia em voz alta o resumo da minha reunião.
No modo privado, nada é guardado.
Diante dos rivais
- Orpheus TTSO Orpheus é mais expressivo em inglês, mas custa mais e só fala inglês.
- Qwen3 TTSO Qwen3 TTS cobre 10 idiomas com clonagem, a várias vezes o preço do Kokoro.
Histórico de versões
Cada versão, com data, e o que ela mudou em relação à anterior.
- Kokoro v0.19Anterior, fora do Sub Rosa
- Primeira versão: só inglês, 10 vozes, treinado com menos de 100 horas de áudio
- Kokoro v1.0A mais recente
- Multilíngue: 8 idiomas em vez de 1
- 54 vozes em vez de 10, treinado com algumas centenas de horas de áudio
Benchmarks
Como ler estas pontuações: o que um benchmark diz.
Artificial Analysis Speech Arena: 10º de 10 modelos medidos no catálogo. As pessoas ouvem a mesma frase lida por duas vozes, sem saber quais são os modelos, e escolhem a mais natural. Uma pontuação Elo: quanto maior, mais natural soa para mais pessoas. Com 100 pontos de diferença, o modelo mais bem pontuado vence cerca de 64% dos duelos.
- 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
Ver os números
| Modelo | 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 |
O modelo desta família
| Modelo | Uso | Privacidade | Preço |
|---|---|---|---|
Kokoro Text to Speechtts-kokoro | Voz | Privado | $ 0,00157 por 1.000 caracteres$ 0,00472 por uma página lida em voz alta |
Especificações
| Especificação | Kokoro v1.0 |
|---|---|
| Lançamento | 27 de janeiro de 2025 |
| Parâmetros | 82M |
| Pesos | Abertos, Apache 2.0 |
| Aceita | text |
| Produz | audio |
| Idiomas | 8 idiomas, 54 vozes |
| Preço | $ 0,00157 por 1.000 caracteres |
| Privacidade | Privado |
Preços, contexto e durações do catálogo ao vivo em 16 de outubro de 2026; parâmetros e licenças segundo o fabricante.
Fontes
Tudo nesta página vem destas páginas, lidas em 16 de outubro de 2026 ou na data indicada em cada pontuação.