/ Модель

Характеристики

Размер весов
654 МБ
Лицензия
Apache 2.0
Базовая модель
Kokoro-82M
Библиотека
executorch
Опубликована
12 ноя 2025

react-native-executorch-kokoro

Синтез речиТекст → аудио3 профессии

Экспорт Kokoro для ExecuTorch позволяет локально преобразовывать текст в речь на восьми языках в приложениях React Native.

95 864скачиваний за 30 дней2лайкавеса обновлены7 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это экспортированные в формат ExecuTorch модели Kokoro для библиотеки React Native ExecuTorch от Software Mansion. Репозиторий содержит программы `.pte` для синтезатора речи и предсказателя длительности, а также ресурсы для преобразования текста в фонемы и готовые эмбеддинги голосов. Варианты рассчитаны на синтез речи на восьми языках: английском, французском, испанском, итальянском, португальском, немецком, польском и хинди; для польского и немецкого указаны дообученные голоса.

Модель предназначена для локального синтеза речи в приложениях React Native и других средах ExecuTorch. Компоненты поддерживают динамический размер входа от 1 до 128 токенов. Для запуска нужен совместимый ExecuTorch runtime версии 1.4.1; более старые версии могут не загружать модели. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • озвучивание текста в мобильном приложении
  • синтез речи на английском, немецком и других поддерживаемых языках
  • локальное воспроизведение текста голосом без облачного сервиса
  • добавление озвучки в приложение React Native
  • синтез речи с польскими и немецкими голосами

Ограничения

Для синтеза требуется предварительная обработка G2P; файлы предназначены для ExecuTorch 1.4.1, а более старые runtime могут быть несовместимы. Поддерживаемая длина входа компонентов ограничена диапазоном 1–128 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

kokoro

This repository hosts the kokoro models exported for the React Native ExecuTorch library as ExecuTorch .pte programs, ready to run on device.

Upstream model: Kokoro

Variants

PathComponentBackendPrecision
coreml/german/duration_predictor_de_coreml_fp32.pteduration_predictorcoremlfp32
coreml/german/synthesizer_de_coreml_fp32.ptesynthesizercoremlfp32
coreml/polish/duration_predictor_pl_coreml_fp32.pteduration_predictorcoremlfp32
coreml/polish/synthesizer_pl_coreml_fp32.ptesynthesizercoremlfp32
coreml/standard/duration_predictor_std_coreml_fp32.pteduration_predictorcoremlfp32
coreml/standard/synthesizer_std_coreml_fp32.ptesynthesizercoremlfp32
xnnpack/german/duration_predictor_de_xnnpack_fp32.pteduration_predictorxnnpackfp32
xnnpack/german/synthesizer_de_xnnpack_fp32.ptesynthesizerxnnpackfp32
xnnpack/polish/duration_predictor_pl_xnnpack_fp32.pteduration_predictorxnnpackfp32
xnnpack/polish/synthesizer_pl_xnnpack_fp32.ptesynthesizerxnnpackfp32
xnnpack/standard/duration_predictor_std_xnnpack_fp32.pteduration_predictorxnnpackfp32
xnnpack/standard/synthesizer_std_xnnpack_fp32.ptesynthesizerxnnpackfp32

Repository structure

config.json                                               28 B
coreml/german/config.json                                 2.7 kB
coreml/german/duration_predictor_de_coreml_fp32.pte       64.9 MB
coreml/german/synthesizer_de_coreml_fp32.pte              282 MB
coreml/polish/config.json                                 2.7 kB
coreml/polish/duration_predictor_pl_coreml_fp32.pte       64.9 MB
coreml/polish/synthesizer_pl_coreml_fp32.pte              282 MB
coreml/standard/config.json                               2.7 kB
coreml/standard/duration_predictor_std_coreml_fp32.pte    64.9 MB
coreml/standard/synthesizer_std_coreml_fp32.pte           282 MB
finetunes/kokoro_german_converted.pth                     312 MB
finetunes/kokoro_polish_converted.pth                     312 MB
phonemizer/de/phonemizer_de.pte                           6.8 MB
phonemizer/en-gb/lexicon.json                             6.4 MB
phonemizer/en-gb/phonemizer_en_gb.pte                     6.8 MB
phonemizer/en-gb/tags.json                                2.1 MB
phonemizer/en-us/lexicon.json                             6.0 MB
phonemizer/en-us/phonemizer_en_us.pte                     6.8 MB
phonemizer/en-us/tags.json                                2.1 MB
phonemizer/es/phonemizer_es.pte                           6.8 MB
phonemizer/fr/phonemizer_fr.pte                           6.8 MB
phonemizer/hi/phonemizer_hi.pte                           8.8 MB
phonemizer/it/phonemizer_it.pte                           6.8 MB
phonemizer/pl/phonemizer_pl.pte                           6.8 MB
phonemizer/pt/phonemizer_pt.pte                           6.8 MB
voices/af_heart.bin                                       510 kB
voices/af_river.bin                                       510 kB
voices/af_sarah.bin                                       510 kB
voices/am_adam.bin                                        510 kB
voices/am_michael.bin                                     510 kB
voices/am_santa.bin                                       510 kB
voices/bf_emma.bin                                        510 kB
voices/bm_daniel.bin                                      510 kB
voices/df_anna.bin                                        510 kB
voices/ef_dora.bin                                        510 kB
voices/em_alex.bin                                        510 kB
voices/ff_siwis.bin                                       510 kB
voices/hf_alpha.bin                                       510 kB
voices/hm_omega.bin                                       510 kB
voices/hm_psi.bin                                         510 kB
voices/if_sara.bin                                        510 kB
voices/im_nicola.bin                                      510 kB
voices/jm_kumo.bin                                        510 kB
voices/pf_dora.bin                                        510 kB
voices/pm_mateusz.bin                                     510 kB
voices/pm_santa.bin                                       510 kB
xnnpack/german/config.json                                4.7 kB
xnnpack/german/duration_predictor_de_xnnpack_fp32.pte     56.6 MB
xnnpack/german/synthesizer_de_xnnpack_fp32.pte            260 MB
xnnpack/polish/config.json                                4.7 kB
xnnpack/polish/duration_predictor_pl_xnnpack_fp32.pte     56.6 MB
xnnpack/polish/synthesizer_pl_xnnpack_fp32.pte            260 MB
xnnpack/standard/config.json                              4.7 kB
xnnpack/standard/duration_predictor_std_xnnpack_fp32.pte  56.6 MB
xnnpack/standard/synthesizer_std_xnnpack_fp32.pte         260 MB

Compatibility

These files are published for the ExecuTorch v1.4.1 runtime. ExecuTorch gives no forward compatibility guarantee, so an older runtime may fail to load them.

To use them in React Native ExecuTorch, pass the model constant shipped in the library's model registry to the corresponding task pipeline. See the documentation.

To load these files in your own ExecuTorch runtime, read the compatibility note first.

Model details

Kokoro synthesizes speech in 8 languages here, including fine-tuned Polish and German voices. The synthesizer and duration predictor support input shape dynamism over a range of 1 to 128 tokens.

Synthesis needs G2P (grapheme-to-phoneme) preprocessing, so this repository also ships the resources for it, not just the voice models:

  • phonemizer/ holds the data files for Phonemis plus per-language word-by-word phonemizer models, themselves in ExecuTorch format.
  • voices/ holds the pre-computed speaker embeddings.
  • xnnpack/ holds one directory per language variant, each with its own duration predictor and synthesizer.

A worked end-to-end call is in the exporter's inference example.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · executorch

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
2ec7438

0 моделей