模型介绍
中文整理Kokoro 82M v1.1 中文 ONNX 模型
License
模型使用示例
模型下载
模型介绍
该模型支持中文、英文、数字等多种语言的文本到语音合成。目前推理示例中支持中英数字混合,如有其他语言需要请自行修改。
Dynamic Shape Model
模型类型 参数量 is dynamic input names output names
- --------- --------- ---------------- ---------------- ----------------
Kokoro 82M true input ids, ref s, speed audio, pred dur
Inputs
输入名 形状 类型 描述
- ------- ------ ------ ------
input ids [1, seq len] int64 音素 token 序列
ref s [1, ref s len] float32 参考声谱图
speed [1] float32 语速控制因子
Outputs
输出名 形状 类型 描述
- ------- ------ ------ ------
audio [audio len] float32 合成的音频数据
pred dur [pred dur len] int64 预测的每个 token 的持续时间
Static Shape Model
模型类型 参数量 is dynamic input names output names
- --------- --------- ---------------- ---------------- ----------------
Kokoro 82M false input ids, ref s, speed audio, pred dur
Inputs
输入名 形状 类型 描述
- ------- ------ ------ ------
input ids [1, 512] int64 音素 token 序列
ref s [1, 256] float32 参考声谱图
speed [1] float32 语速控制因子
Outputs
输出名 形状 类型 描述
- ------- ------ ------ ------
audio [audio len] float32 合成的音频数据
pred dur [pred dur len] int64 预测的每个 token 的持续时间
静态W8A16量化模型使用注意事项
修改源码中
模型信息:去除原导出模型中的SequenceEmpty和RandomNormalLike算子,使用其他算子做相应替换。
高通QCS8550适配模型请使用SNPE SDK进行DLC格式的部署测试
目录结构
模型使用示例(dynamic model & static model)
关注公众号:"CrazyNET"
公众号回复:"kokorods"
License
本模型遵循MIT许可证。
原始模型仓库地址
🐈 Kokoro GitHub: https://bgithub.xyz/hexgrad/kokoro
🐈 Kokoro-ONNX GitHub: https://bgithub.xyz/thewh1teagle/kokoro-onnx.git
致谢
TODO: 编写致谢。类似于Kokoro知识库
优先采用原作者提供的中文模型卡片;仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件;指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖,请按作者说明配齐。
完整仓库可能包含多个权重格式,因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖,以原作者说明为准。
是否允许商用、修改和分发,请查看模型许可证。
闲社提供资料与镜像下载方法,不代表已运行模型或完成安全审计。下载的代码应先检查,再执行。
Problem with the information or download?
Sign in to submit feedback.
