# Kokoro TTSとSuperClonica：ローカル音声合成の小型モデル2つ

更新日 2026-10-23

Kokoro-82Mは、パラメータ数8200万のオープンウェイトの音声合成モデルで、ライセンスはApache 2.0です。2025年1月に公開されたv1.0には、日本語を含む8言語で54のプリセット音声があります。SuperClonicaが使うSupertonic 3も同じクラスで、パラメータは約9900万、普通のCPUで動くよう設計されています。

つまり違いはサイズよりも、言語・音声・ライセンスにあります。Kokoroは当社の比較表に入っておらず、計測もしていないため、このページでは速度や品質の評価は載せず、モデルカードとリポジトリに書かれた事実だけをまとめます。

## Kokoro-82Mとは

KokoroはStyleTTS 2とISTFTNetデコーダーをベースに、パブリックドメインや寛容なライセンスの音声、合成音声など数百時間で学習されています。重みはApache 2.0で、作者は商用製品での利用をはっきり歓迎しています。

インストールはpip install kokoroで、ほかにespeak-ngが必要です。英語の辞書にない単語や一部の言語の読みを担当し、日本語にはmisaki\[ja\]の追加インストールが要ります。出力は24 kHzです。別ライブラリのkokoro-jsを使えば、Transformers.jsでブラウザ内だけでモデルを動かせます。

## KokoroとSupertonic 3の対応言語

v1.0の54音声の内訳は、アメリカ英語20、イギリス英語8、中国語（普通話）8、日本語5、ヒンディー語4、スペイン語3、ブラジルポルトガル語3、イタリア語2、フランス語1です。音声リスト自体が、音素変換の弱さと学習データの少なさから英語以外の対応は手薄な場合があると注意しており、日本語音声の評価はC+からC-です。

Supertonic 3は31言語に対応し、日本語のほか、Kokoroにないロシア語・ドイツ語・韓国語・ポーランド語・ウクライナ語・トルコ語も話せます。Kokoroの言語のうち中国語以外はすべてカバーしていますが、中国語が必要ならKokoroには音声があり、Supertonic 3にはまだありません。

## プリセット音声か、自分だけの音声か

Kokoroには決まったプリセット音声が付属します。モデルカードによるとエンコーダーは公開されておらず、公式パッケージには録音から新しい音声を作る機能がありません。

SuperClonicaはオリジナル音声が中心です。カタログには個人の作者によるSupertonic 3の音声が並び、どれもデモ付きで価格は米ドル、無料のものもあります。合うものがなければ、参考録音をもとに音声を依頼できます。予算は結果を承認するまで残高に確保されます。自分のNVIDIA GPUで、5〜10秒のきれいな録音から無料で学習することもできます。どちらの場合も、オフラインで動くJSONファイル1つが手に入ります。

## 普通のCPUでの速度

Kokoroは計測していないので、ここでは速度の数字を出しません。8200万パラメータとSupertonic 3より少し小さいので、ご自分のハードウェアと文章で試してください。

SuperClonicaについては、8コアのデスクトップCPUでリアルタイムの6.4〜9.7倍速と見積もっています。10秒の文なら約1.0〜1.6秒です。エンジンはCPUでSupertonic 3の標準クライアントより平均61%速く、長い文章を短く区切って読み上げるので単語の繰り返しや途切れが起きにくく、同じ音声ファイルを変換なしで読み込めます。

## Kokoroを選ぶべき場面

Kokoroにない言語、より多くの日本語音声、プリセット以外の声、自分の録音から作った声が必要なら、SuperClonicaが向いています。次のような場合はKokoroのほうが合っています。

- 英語の読み上げ用に、無料の小さなモデルが欲しく、プリセット音声で足りる。
- Supertonic 3がまだ対応していない中国語が必要。
- 条件のもっとも緩いライセンスがよい。Apache 2.0にはOpenRAIL-Mのような禁止用途のリストがない。
- ブラウザで音声を生成するアプリで、kokoro-jsがすでに技術スタックに合っている。

## 音声合成についてもっと読む

- [自分のPCで動く音声合成・テキスト読み上げ](https://superclonica.com/ja/text-to-speech)
- [Supertonic と SuperClonica：同じモデルで、より速く、よりクリーンに](https://superclonica.com/ja/compare/supertonic)
- [Fish Audio・Fish SpeechとSuperClonicaの比較](https://superclonica.com/ja/compare/fish-audio)
- [OmniVoiceとSuperClonica：言語の多さか、速度か](https://superclonica.com/ja/compare/omnivoice)
- [ローカル音声合成ならQwen3-TTSかSuperClonicaか](https://superclonica.com/ja/compare/qwen3-tts)
- [VoxCPM 2とSuperClonica：スタジオ品質か、CPUでの速度か](https://superclonica.com/ja/compare/voxcpm)
- [F5-TTSとSuperClonica：ゼロショットのクローンか、CPUでの高速読み上げか](https://superclonica.com/ja/compare/f5-tts)
- [オフラインで使えるElevenLabsの代替](https://superclonica.com/ja/compare/elevenlabs)
- [Piper TTSとSuperClonica：小型デバイスか、オリジナル音声か](https://superclonica.com/ja/compare/piper)
- [Coqui XTTS-v2とSuperClonica：Coqui TTSの代替として](https://superclonica.com/ja/compare/xtts)
- [Chatterbox TTSとSuperClonica：即時クローンか、学習済みの音声ファイルか](https://superclonica.com/ja/compare/chatterbox)

## 音声合成ガイド

- [自分のPCでテキストをオフライン読み上げする方法](https://superclonica.com/ja/guides/offline-text-to-speech)
- [ボイスクローン：録音の声に近い音声を手に入れる方法](https://superclonica.com/ja/guides/voice-cloning)
- [2026年、ローカルで使える無料の音声合成モデル](https://superclonica.com/ja/guides/best-free-tts-models)
- [動画、オーディオブック、ゲーム、アプリのテキスト読み上げ](https://superclonica.com/ja/guides/text-to-speech-for-videos)
- [Supertonic 3 の音声：カスタム音声の入手先と使い方](https://superclonica.com/ja/guides/supertonic-3-voices)
- [Pythonで音声合成：オフライン・無料・自然な声で](https://superclonica.com/ja/guides/python-text-to-speech)
- [Dockerで動かすセルフホスト音声合成API](https://superclonica.com/ja/guides/text-to-speech-api-docker)

## よくある質問

### Kokoro TTSは商用利用できますか？

できます。Kokoro-82Mの重みはApache 2.0で、作者も商用での利用を歓迎しています。Supertonic 3も無償で使えるOpenRAIL-Mで、こちらには禁止用途のリストがあります。SuperClonicaで購入した音声は自分のプロジェクト用で、転売はできません。

### Kokoroで声をクローンできますか？

公式版ではできません。54のプリセット音声があるだけで、エンコーダーは公開されていません。自分の録音から音声を作るなら、SuperClonicaでSupertonic 3の音声を学習するか、作者に依頼してください。使う録音は権利を持っていて、話者の同意があるものに限ります。

### Kokoroの日本語の品質はどうですか？

日本語音声は5つあり、Kokoro自身の音声リストでの評価はC+からC-です。英語以外の対応は手薄な場合があるとも書かれています。Supertonic 3も日本語に対応しており、SuperClonicaのカタログではどの音声もデモで購入前に聞けます。

### SuperClonicaはKokoroより速いですか？

Kokoroは計測していないので、断言できません。SuperClonicaの見積もりは、8コアのデスクトップCPUでリアルタイムの6.4〜9.7倍速です。どちらもGPUなしで動くので、自分のPCで自分の文章を使って比べるのがいちばん公平です。

- [31言語の音声を聞く](https://superclonica.com/ja/explore)
- [SuperClonicaをインストール](https://superclonica.com/ja/superclonica)

## 出典

- [Kokoro-82M モデルカード（Hugging Face）](https://huggingface.co/hexgrad/Kokoro-82M)
- [Kokoroの音声と言語（VOICES.md）](https://huggingface.co/hexgrad/Kokoro-82M/blob/main/VOICES.md)
- [Kokoro リポジトリ（GitHub）](https://github.com/hexgrad/kokoro)
- [ブラウザ向けkokoro-js（GitHub）](https://github.com/hexgrad/kokoro/tree/main/kokoro.js)
- [Supertonic 3 モデルカード](https://huggingface.co/supertone-oss-archive/supertonic-3)
- [SuperClonica](https://superclonica.com/ja/)
- [テキスト読み上げ用AI音声カタログ](https://superclonica.com/ja/explore)
- [Supertonic 3 カスタム音声の依頼](https://superclonica.com/ja/requests)
- [仕組み：音声、ローカル合成、学習](https://superclonica.com/ja/guide)
- [高速な Supertonic 3 エンジンのインストール](https://superclonica.com/ja/superclonica)
- [私たちについて：音声合成が好きなチーム](https://superclonica.com/ja/about)
- [お問い合わせ・サポート・音声の通報](https://superclonica.com/ja/contacts)
- [プライバシーポリシー](https://superclonica.com/ja/privacy)
- [利用規約](https://superclonica.com/ja/terms)
- [音声合成](https://superclonica.com/ja/text-to-speech)