Modelo
Áudio & Voz
hexgrad/Kokoro-82M
Modelo de síntese de voz · 82 M de parâmetros — 11.9 mi downloads e 6.5 mil curtidas no Hugging Face.
Hugging Face · Modelos
·hexgrad
·
·↓ 11906536
·♥ 6493
O modelo hexgrad/Kokoro-82M aparece entre os mais comentados do Hugging Face — um termômetro do que a comunidade está realmente usando agora na tarefa de síntese de voz.
Ficha técnica
- Tarefa: síntese de voz
- Parâmetros: 82 M
- Licença: Apache 2.0
- Downloads: 11.9 mi · Curtidas: 6.5 mil
Hardware recomendado
Estimativa de VRAM só para carregar os pesos (com ~20% de folga para ativações). Contextos longos consomem memória adicional para o cache de atenção (KV cache).
- Precisão original (16-bit): ~0.2 GB de VRAM — roda em CPU ou GPU de notebook
- Quantizado 8-bit: ~0.1 GB de VRAM — roda em CPU ou GPU de notebook
- Quantizado 4-bit: ~0.0 GB de VRAM — roda em CPU ou GPU de notebook
Como rodar localmente
Sintetize voz/áudio com a transformers (alguns modelos exigem o código do autor — confira o card):
pip install -U transformers torch
from transformers import pipeline
tts = pipeline("text-to-speech", model="hexgrad/Kokoro-82M", device=0)
out = tts("Olá! Esta é uma voz sintética.")
# out["audio"], out["sampling_rate"]Tags
text-to-speech en
// relacionados
Leia também
Blog
Como a Deutsche Telekom está reconfigurando as telecomunicações com IA
Blog
Uma Avaliação de Confiabilidade de Juízes de Áudio LALM para Agentes de Voz Full-Duplex
Blog
VSRo-200: Um Conjunto de Dados de Reconhecimento Visual de Fala em Romeno para Estudar Supervisão e Robustez Multimodal
Blog