ANLEITUNG

Eine Kokoro-TTS-API: selbst gehostet, bei Drittanbietern oder als gehostete Alternative

Kokoro-82M ist ein beliebtes offenes Text-to-Speech-Modell: 82 Millionen Parameter, Gewichte unter Apache-Lizenz und in Version 1.0 54 Stimmen in 8 Sprachen. Die Modellkarte nennt keine offizielle gehostete API des Autors, eine „Kokoro-API“ heißt also: das Modell auf dem eigenen Server betreiben oder einen Drittanbieter bezahlen.

Diese Anleitung vergleicht diese Wege mit der Sprach-API von SuperClonica, die ein anderes offenes Modell, Supertonic 3, als gehosteten Dienst mit 190 Katalogstimmen betreibt.

Kostenlosen API-Schlüssel holen Stimmen anhören Oder die Engine selbst betreiben

Option 1: Kokoro selbst hosten

Die Gewichte stehen unter Apache-Lizenz, Sie können das Modell also in einen eigenen HTTP-Server packen und auf CPU oder GPU betreiben. Sie behalten die volle Kontrolle und zahlen nur die Maschine, kümmern sich aber selbst um Server, Skalierung und Updates. Die Modellkarte warnt, dass manche Websites mit dem Namen Kokoro nicht dem Autor gehören und nicht mit ihm verbunden sind.

Option 2: ein Kokoro-Drittanbieter

Laut Modellkarte ist Kokoro in vielen kommerziellen APIs im Einsatz; Stand April 2025 nannte sie Marktpreise unter 1 $ pro Million Zeichen, etwa 0,65 $ und 0,80 $ bei zwei Anbietern – grob 0,04–0,05 $ pro Stunde Audio. Prüfen Sie aktuelle Preise, Limits und Bedingungen bei jedem Anbieter selbst.

Option 3: die Sprach-API von SuperClonica

SuperClonica betreibt Supertonic 3, ein offenes Modell derselben Größenklasse, als gehostete API. Sie streamt Audio nach unseren Messungen ab etwa 300 ms und bietet 190 Katalogstimmen von Autoren (Figuren, Erzähler, Sprecher) sowie Stimmen, die Sie aus Ihrer Aufnahme trainieren. Abgerechnet wird nach Zeit: Ein kostenloser Schlüssel gibt eine Minute pro Tag, Start kostet 5 $ im Monat für bis zu 216 Stunden, etwa 0,023 $ pro Stunde bei voller Nutzung.

Was wählen

Wählen Sie Kokoro, wenn Sie Chinesisch brauchen, das Supertonic 3 noch nicht spricht, oder genau die Stimmen von Kokoro, und Sie hosten möchten oder einen Anbieter wählen. Wählen Sie SuperClonica für viele fertige Figuren- und Erzählerstimmen, eigene trainierte Stimmen und eine gehostete Streaming-API ohne eigenen Server. Beide Modelle sind klein und laufen auf der CPU, Sie können also beide zuerst lokal testen.