Fluent Books: English voices r6
восемь компактных TTS-голосов для чтения книг
2 min readupdated
Это восемь небольших text-to-speech моделей в формате ONNX для приложения Fluent Books: чтение книги вслух на процессоре телефона. Четыре американских и четыре британских голоса, каждый файл — отдельный голос с тембром, зашитым в веса. Это student-модели, дистиллированные из английских голосов Kokoro-82M; размер каждого файла — 8.57 MB.
Ключевые особенности
- Восемь голосов: af_heart, af_kore, am_michael, am_fenrir, bf_emma, bf_isabella, bm_george, bm_fable.
- Каждый ONNX-файл — один голос; тембр зашит в веса, размер — 8.57 MB.
- На вход подаются Kokoro phoneme ids и speed, на выходе — waveform 24 кГц и durations по токенам.
- Один student на голос, дистилляция из английских голосов Kokoro-82M.
- Голоса — новые версии голосов приложения; доступны рядом со старыми под id
<voice>.r6. - Текст нужно нормализовать заранее: числа, сокращения, даты.
Пример
Для голоса af_heart.r6 на вход подаются Kokoro phoneme ids в формате [0] + ids + [0] (int64, [1,N]) и speed=[1.0] (float32, [1]). На выходе — waveform [1,S] с частотой 24 кГц и durations [1,T], где S = 600 * sum(durations).
Подробнее
Размер одного файла — 8.57 MB, запуск на CPU телефона.UTMOS 3.98–4.43, WER 2.6–3.4%, voice similarity 0.956–0.973 на 60 отложенных предложениях.
Детектор артефактов отмечает особенности у большинства голосов; у bm_george — шесть.
Происхождение данных голосов Kokoro-82M не подтверждено авторами репозитория; веса заявлены как Apache-2.0.
Текст нужно нормализовать заранее; тренировка — ноябрь 2026.










Comments