К содержимому
Аудио

Kokoro 82M CoreML

восемь английских голосов для Mac

2 мин чтенияобновлено

Готовая Core ML-сборка Kokoro 82M от Rao Studios: голосовой пак для Mac-приложения Adverb, которое озвучивает видео и активы. Основа — hexgrad/Kokoro-82M v1.0; восемь английских голосов на 24 кГц, всё работает на устройстве, данные никуда не отправляются. Размер пака — 698 МБ.

Ключевые особенности

  • Core ML-модели kokoro_24_10s и kokoro_24_15s для локального синтеза на Mac.
  • Восемь голосов: американские af_heart, af_alloy, af_nova, af_river, am_adam, am_echo, британский bf_alice и hm_omega с индийским акцентом.
  • Модель отдаёт длительности фонем, поэтому тайминг каждого слова точный — удобно для субтитров и синхронизации текста.
  • В комплекте лексиконы, G2P-кэш и BART-модель G2PEncoder/G2PDecoder; espeak не используется.
  • Пакет рассчитан на добавление других языков: новый лексикон и голоса можно положить рядом.
  • Ничего не переобучали: файлы взяты из Kokoro-82M и FluidInference/kokoro-82m-coreml, лицензия Apache-2.0.

Пример

Сценарий из карточки: Adverb нормализует и фонемизирует текст на Swift, прогоняет phoneme ids через Core ML, склеивает фрагменты по естественным паузам и берёт старт/конец каждого слова из предсказанных длительностей фонем. Так озвучка видео сразу синхронизируется с появляющимся на экране текстом.

ПодробнееРазмер — 698 МБ; модели работают на 24 кГц и рассчитаны на Core ML.
Голоса только английские, включая индийский акцент; другие языки в этот пак не входят.
Ничего не переобучали: это скомпилированные файлы Kokoro-82M v1.0 и FluidInference/kokoro-82m-coreml.
В пакете только Core ML-модели, JSON и лицензия — без pickle, нативного кода и скриптов.
Обсудить Telegram 0 23

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.3 GB · готовые файлы0.8 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.7 GB
  • 4-bitвеса 0.1 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # rao-studios/kokoro-82m-coreml-en
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download rao-studios/kokoro-82m-coreml-en --local-dir ~/models/kokoro-82m-coreml-en
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к kokoro-82m-coreml-en
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

hexgrad/Kokoro-82M
  1. StyleTTS2-LJSpeechоснова семьи
  2. Kokoro-82M
  3. kokoro-82m-coreml-en

Новые посты про версии StyleTTS2-LJSpeech — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 3Все на Hugging Face
Дообучения 12Все на Hugging Face

О модели

rao-studios/kokoro-82m-coreml-en
Автор
rao-studios
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

230

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии