В репозитории публичные веса Kokoro-82M переупакованы в набор staged Core ML-моделей, поэтому для работы не требуется MLX.

Модель предназначена для преобразования текста в речь непосредственно на устройстве. Конвейер включает модели KokoroFrontA, KokoroProsodyB и KokoroDecoder: они отвечают соответственно за фронтенд и длительности, просодию и F0N, а также за вокодер iSTFTNet. Дополнительно BartEncoder и BartDecoder реализуют небольшой BART-модуль misaki для преобразования графем в фонемы и произношения слов, отсутствующих в основном лексиконе.

К сильным сторонам относятся локальное выполнение, интеграция с Core ML и staged-архитектура, разделяющая этапы синтеза. README не сообщает поддерживаемые языки, набор голосов, максимальную длину контекста, требования к ресурсам или количественные показатели качества, поэтому эти характеристики нельзя уточнить. Модель распространяется по лицензии Apache-2.0.