Docker Desktop または Docker Engine。NVIDIA GPU は任意で、CPU モードでも動作します。完全版イメージには5つのモデルパックがすべて含まれます。
高速なローカル音声合成 安定版v1.0またはローリングlatest
KokoroTTS
自分のパソコンで動く自然な音声。
8,200万パラメータ、11言語の173音声、個別管理できる5つのモデルパック、ストリーミング、SSML対話、OpenAI互換API、任意のMCPツールを備えたローカル優先のTTSワークスペースです。
生成画面で文章と音声を選んで生成します。キャンセル可能な合成にはストリーム、連携状態にはAPI、モデルパックとGPU制御にはシステムを使用します。
完全版は取得後にモデルを追加ダウンロードせず実行できます。文章や生成音声を外部へ送る必要はありません。
含まれるもの
モデルだけではない、完全なローカル環境。
- 11言語の173音声
- 個別管理できる5つのモデルパック
- 生成、ストリーム、API、システム画面
- 7種類の音声形式とキャンセル可能なストリーミング
- OpenAI互換APIとネイティブAPI
- SSML対話とオプトイン式MCP
音声とモデルのカタログ
1つのワークスペースに5つのモデルファミリー。
v1.0リリースとローリングlatestは、標準Kokoro音声に専用のドイツ語、ベトナム語、強化中国語モデルを統合しています。各モデルパックは個別に有効化でき、使用時にだけ読み込まれます。
標準54音声、専用ドイツ語2音声、ベトナム語14音声、中国語v1.1パックの103音声。
標準の普通話8音声に、強化された普通話100音声を追加。
標準Kokoro、ドイツ語Martin、ドイツ語Victoria、ベトナム語、中国語v1.1。
米国英語、英国英語、日本語、中国語（普通話）、スペイン語、フランス語、ヒンディー語、イタリア語、ブラジルポルトガル語、ドイツ語、ベトナム語。
Kokoro v1.1 Chinese
中国語音声専用のモデル。
固定リビジョンのKokoro v1.1中国語チェックポイントにより、従来の標準音声を残したまま普通話の選択肢が大幅に増えました。同じKokoroTTSワークスペース内で独立したモデルパックとして管理されます。
中国語音声を聴く ↗- 強化された普通話100音声（女性55、男性45）。
- 標準8音声と合わせて、普通話は合計108音声。
- 追加の英語3音声が中国語と英語の混在合成に対応。
- 完全版イメージはオフライン用モデルを同梱し、軽量版は初回選択時にダウンロードします。