{"kind":"compare","slug":"kokoro","path":"/compare/kokoro","title":"Kokoro TTS 替代方案：31 种语言的本地语音合成 | SuperClonica","description":"Kokoro-82M 与 SuperClonica 对比：Apache 2.0 免费模型和 54 个预设音色，还是 31 种语言的 Supertonic 3 音色与定制音色？","h1":"Kokoro TTS 与 SuperClonica：两个小模型的本地语音合成","intro":"Kokoro-82M 是一个开放权重的文字转语音模型，参数量 8200 万，采用 Apache 2.0 许可证。1.0 版于 2025 年 1 月发布，带 8 种语言的 54 个预设音色，其中包括中文普通话。SuperClonica 所用的 Supertonic 3 属于同一量级：约 9900 万参数，专为普通 CPU 设计，但目前不支持中文。\n\n所以两者的区别不在体积，而在语言、音色和许可证。Kokoro 不在我们的对比表中，我们也没有实测过它，因此本页不给出它的速度或音质评分，只列出模型卡和代码仓库中的事实。","sections":[{"heading":"Kokoro-82M 是什么","paragraphs":["Kokoro 基于 StyleTTS 2 和 ISTFTNet 解码器，训练数据是几百小时的公有领域音频、宽松许可音频和合成音频。权重采用 Apache 2.0 许可证，作者明确欢迎在商业产品中使用。","安装命令是 pip install kokoro，另外需要 espeak-ng，用来处理英文词典之外的单词和部分其他语言；中文需要额外安装 misaki[zh]。输出为 24 kHz 音频。另有一个 JavaScript 库 kokoro-js，可借助 Transformers.js 在浏览器里完整运行模型。"]},{"heading":"Kokoro 与 Supertonic 3 的语言对比","paragraphs":["1.0 版共有 54 个音色：美式英语 20 个、英式英语 8 个、普通话 8 个、日语 5 个、印地语 4 个、西班牙语 3 个、巴西葡萄牙语 3 个、意大利语 2 个、法语 1 个。音色列表本身提醒，由于音素转换较弱、训练数据较少，英语之外的语言支持可能比较薄弱；普通话音色在列表中的评级都是 D，日语为 C+ 到 C-。","Supertonic 3 支持 31 种语言，包括俄语、德语、韩语、波兰语、乌克兰语和土耳其语，这些 Kokoro 都没有；但 Supertonic 3 目前不支持中文。如果您需要中文语音合成，Kokoro 至少有普通话音色，而 Supertonic 3 没有。"]},{"heading":"预设音色，还是自己的音色","paragraphs":["Kokoro 自带预设音色。模型卡注明编码器没有公开，官方包也没有把您的录音变成新音色的功能。","SuperClonica 的核心是定制音色。目录里是独立作者制作的 Supertonic 3 音色，每个都有试听和美元标价，部分免费。没有合适的，可以按参考录音定制：预算冻结在您的余额中，直到您接受结果。也可以自己免费训练：一段 5 到 10 秒的干净录音，在您自己的 NVIDIA 显卡上训练。无论哪种方式，得到的都是一个可离线运行的 JSON 文件。"]},{"heading":"在普通 CPU 上的速度","paragraphs":["我们没有实测 Kokoro，所以这里不给出它的速度数据。它的参数量 8200 万，比 Supertonic 3 略小，建议在您自己的硬件上用自己的文本测试。","SuperClonica 按我们的估算，在 8 核台式机 CPU 上是实时速度的 6.4–9.7 倍，一句 10 秒的话约 1.0–1.6 秒生成。引擎在 CPU 上平均比 Supertonic 3 标准客户端快 61%，会把长文本切成短段落合成，减少重复和吞字，而且无需转换即可读取同样的音色文件。"]},{"heading":"什么时候选 Kokoro 更好","paragraphs":["如果您需要 Kokoro 没有的语言、预设之外的音色，或者用自己的录音训练出的音色，SuperClonica 更合适。以下情况 Kokoro 更合理："],"points":["需要免费的小型英语 TTS 模型，预设音色就够用。","需要中文普通话，而 Supertonic 3 目前不支持中文。","希望许可证尽可能宽松：Apache 2.0 不像 OpenRAIL-M 那样列出禁止用途。","应用要在浏览器里合成语音，而 kokoro-js 正好适合您的技术栈。"]}],"faq":[{"question":"Kokoro TTS 可以商用吗？","answer":"可以。Kokoro-82M 的权重采用 Apache 2.0 许可证，作者也欢迎商业部署。Supertonic 3 同样免授权费，采用列出禁止用途的 OpenRAIL-M 许可证；在 SuperClonica 购买的音色用于您自己的项目，不能转售。"},{"question":"Kokoro 能克隆声音吗？","answer":"官方版本不能：它只有 54 个预设音色，编码器没有公开。想用自己的录音得到音色，可以在 SuperClonica 训练 Supertonic 3 音色，或请作者定制，但目前只能用于 Supertonic 3 支持的 31 种语言，不含中文。只使用您有权使用、并经说话人同意的录音。"},{"question":"Kokoro 的中文效果怎么样？","answer":"Kokoro 有 8 个普通话音色，但它自己的音色列表给出的评级都是 D，并说明英语之外的语言支持可能较弱。Supertonic 3 目前不支持中文；中文语音合成可以看看 Qwen3-TTS 或 VoxCPM 2。"},{"question":"SuperClonica 比 Kokoro 快吗？","answer":"我们没有实测 Kokoro，所以无法下结论。我们对 SuperClonica 的估算是在 8 核台式机 CPU 上达到实时速度的 6.4–9.7 倍。两者都可以不用 GPU 运行，最公平的方法是在自己的电脑上用自己的文本对比。"}],"cta":{"catalog":"试听 31 种语言的音色","install":"安装 SuperClonica"},"sources":[{"label":"Kokoro-82M 模型卡（Hugging Face）","url":"https://huggingface.co/hexgrad/Kokoro-82M"},{"label":"Kokoro 音色与语言（VOICES.md）","url":"https://huggingface.co/hexgrad/Kokoro-82M/blob/main/VOICES.md"},{"label":"Kokoro 代码仓库（GitHub）","url":"https://github.com/hexgrad/kokoro"},{"label":"浏览器版 kokoro-js（GitHub）","url":"https://github.com/hexgrad/kokoro/tree/main/kokoro.js"},{"label":"Supertonic 3 模型卡","url":"https://huggingface.co/supertone-oss-archive/supertonic-3"}],"published":"2026-10-17","updated":"2026-10-23","pages":[{"slug":"text-to-speech","path":"/text-to-speech","h1":"在自己电脑上运行的语音合成"},{"slug":"supertonic","path":"/compare/supertonic","h1":"Supertonic 与 SuperClonica：同一模型，更快更干净"},{"slug":"fish-audio","path":"/compare/fish-audio","h1":"Fish Audio、Fish Speech 与 SuperClonica 对比"},{"slug":"omnivoice","path":"/compare/omnivoice","h1":"OmniVoice 与 SuperClonica：语言更多，还是速度更快"},{"slug":"qwen3-tts","path":"/compare/qwen3-tts","h1":"本地语音合成：Qwen3-TTS 还是 SuperClonica"},{"slug":"voxcpm","path":"/compare/voxcpm","h1":"VoxCPM 2 与 SuperClonica：录音棚音质还是 CPU 速度"},{"slug":"f5-tts","path":"/compare/f5-tts","h1":"F5-TTS 与 SuperClonica：零样本克隆还是 CPU 上的快速合成"},{"slug":"elevenlabs","path":"/compare/elevenlabs","h1":"可离线使用的 ElevenLabs 替代方案"},{"slug":"kokoro","path":"/compare/kokoro","h1":"Kokoro TTS 与 SuperClonica：两个小模型的本地语音合成"},{"slug":"piper","path":"/compare/piper","h1":"Piper TTS 与 SuperClonica：小设备还是定制音色"},{"slug":"xtts","path":"/compare/xtts","h1":"Coqui XTTS-v2 与 SuperClonica：Coqui TTS 的替代方案"},{"slug":"chatterbox","path":"/compare/chatterbox","h1":"Chatterbox TTS 与 SuperClonica：即时克隆还是训练好的音色文件"}],"related":[{"slug":"offline-text-to-speech","path":"/guides/offline-text-to-speech","h1":"如何在自己的电脑上离线把文字转成语音"},{"slug":"voice-cloning","path":"/guides/voice-cloning","h1":"声音克隆：如何得到一个像录音里那样的声音"},{"slug":"best-free-tts-models","path":"/guides/best-free-tts-models","h1":"2026 年适合本地运行的免费语音合成模型"},{"slug":"text-to-speech-for-videos","path":"/guides/text-to-speech-for-videos","h1":"为视频、有声书、游戏和应用做文字转语音配音"},{"slug":"supertonic-3-voices","path":"/guides/supertonic-3-voices","h1":"Supertonic 3 音色：自定义音色的来源与使用方法"},{"slug":"python-text-to-speech","path":"/guides/python-text-to-speech","h1":"Python 文字转语音：离线、免费、自然的音色"},{"slug":"text-to-speech-api-docker","path":"/guides/text-to-speech-api-docker","h1":"在 Docker 中自建文字转语音 API"}]}