GUÍA

Una API de Kokoro TTS: propia, de terceros o una alternativa alojada

Kokoro-82M es un modelo abierto de texto a voz muy popular: 82 millones de parámetros, pesos con licencia Apache y, en la versión 1.0, 54 voces en 8 idiomas. Su ficha no menciona una API alojada oficial de su autor, así que una «API de Kokoro» significa ejecutar el modelo en tu servidor o pagar a un proveedor externo.

Esta guía compara esas opciones con la API de voz de SuperClonica, que ejecuta otro modelo abierto, Supertonic 3, como servicio alojado con 190 voces de catálogo.

Obtener una clave de API gratis Escuchar las voces O ejecuta el motor tú mismo

Opción 1: aloja Kokoro tú mismo

Los pesos tienen licencia Apache, así que puedes envolver el modelo en tu propio servidor HTTP y ejecutarlo en CPU o GPU. Tienes control total y solo pagas la máquina, pero te encargas del servidor, el escalado y las actualizaciones. La ficha advierte que algunos sitios con el nombre Kokoro no pertenecen al autor del modelo ni están afiliados a él.

Opción 2: un proveedor externo de Kokoro

Según la ficha, Kokoro se ha desplegado en muchas API comerciales y, en abril de 2025, citaba precios de mercado por debajo de 1 $ por millón de caracteres, unos 0,65 $ y 0,80 $ en dos proveedores: aproximadamente 0,04–0,05 $ por hora de audio. Comprueba tú mismo el precio, los límites y las condiciones actuales de cada proveedor.

Opción 3: la API de voz de SuperClonica

SuperClonica ejecuta Supertonic 3, un modelo abierto de tamaño similar, como API alojada. Devuelve el audio en streaming desde unos 300 ms en nuestras mediciones y da acceso a 190 voces de catálogo de autores (personajes, narradores, locutores) y a voces entrenadas con tu grabación. El precio es por tiempo: una clave gratuita da un minuto al día e Inicio cuesta 5 $ al mes por hasta 216 horas, unos 0,023 $ por hora usado al límite.

Cuál elegir

Elige Kokoro si necesitas chino, que Supertonic 3 todavía no habla, o las voces concretas de Kokoro, y no te importa alojarlo o elegir proveedor. Elige SuperClonica si quieres muchas voces listas de personajes y narradores, voces propias entrenadas y una API alojada con streaming sin mantener servidor. Los dos modelos son pequeños y funcionan en CPU, así que puedes probar cada uno en local primero.