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 cost
Última versãoKokoro v1.027 de janeiro de 2025
Artificial Analysis Speech Arena1.064 Elo10º de 10 em Artificial Analysis Speech Arena
Preço$ 0,00157 por 1.000 caracteres$ 0,00472 por uma página lida em voz alta
Especificação principal8 idiomas, 54 vozes

O 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.
Comparar lado a lado ↗

Histórico de versões

Cada versão, com data, e o que ela mudou em relação à anterior.

  1. Kokoro v0.19Anterior, fora do Sub Rosa
    • Primeira versão: só inglês, 10 vozes, treinado com menos de 100 horas de áudio
    Fonte : huggingface.co
  2. 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
    Fonte : huggingface.co

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.

Artificial Analysis Speech ArenaPontuação Elo · Artificial Analysis, 4 de outubro de 2026
  1. 1. ElevenLabs TTS v4 TurboElevenLabs1.330
  2. 2. ElevenLabs TTS v4ElevenLabs1.329
  3. 3. Gemini 3.1 Flash TTSGemini 3.1 Flash TTS1.209
  4. 4. ElevenLabs TTS v3ElevenLabs1.178
  5. 5. Gradium TTSGradium TTS1.151
  6. 6. MiniMax Speech-02 HDMiniMax Speech-02 HD1.114
  7. 7. Chatterbox HD (Resemble AI)Chatterbox HD1.102
  8. 8. ElevenLabs Turbo v2.5ElevenLabs1.097
  9. 9. ElevenLabs Multilingual v2ElevenLabs1.095
  10. 10. Kokoro Text to SpeechKokoro1.064
Ver os números
ModeloElo
1. ElevenLabs TTS v4 Turbo1.330
2. ElevenLabs TTS v41.329
3. Gemini 3.1 Flash TTS1.209
4. ElevenLabs TTS v31.178
5. Gradium TTS1.151
6. MiniMax Speech-02 HD1.114
7. Chatterbox HD (Resemble AI)1.102
8. ElevenLabs Turbo v2.51.097
9. ElevenLabs Multilingual v21.095
10. Kokoro Text to Speech1.064

O modelo desta família

ModeloUsoPrivacidadePreço
Kokoro Text to Speechtts-kokoroVozPrivado$ 0,00157 por 1.000 caracteres$ 0,00472 por uma página lida em voz alta

Especificações

EspecificaçãoKokoro v1.0
Lançamento27 de janeiro de 2025
Parâmetros82M
PesosAbertos, Apache 2.0
Aceitatext
Produzaudio
Idiomas8 idiomas, 54 vozes
Preço$ 0,00157 por 1.000 caracteres
PrivacidadePrivado

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.

Mostrar as 3 fontes
Saiba mais sobre Kokoro ↗