РУКОВОДСТВО

API Kokoro TTS: свой сервер, сторонний хостинг или облачная альтернатива

Kokoro-82M — популярная открытая модель синтеза речи: 82 миллиона параметров, веса под лицензией Apache и, в версии 1.0, 54 голоса на 8 языках. В карточке модели не указан официальный облачный API от автора, поэтому «API Kokoro» — это либо модель на вашем сервере, либо платный сторонний хостинг.

В этом руководстве эти варианты сравниваются с API озвучки SuperClonica, который запускает другую открытую модель, Supertonic 3, как облачный сервис со 190 голосами каталога.

Получить API-ключ бесплатно Послушать голоса Или запустить движок у себя

Вариант 1: свой сервер с Kokoro

Веса под Apache, поэтому модель можно обернуть в свой HTTP-сервер и запускать на процессоре или видеокарте. Полный контроль и оплата только за машину, но сервер, масштабирование и обновления — на вас. Карточка модели предупреждает, что некоторые сайты с названием Kokoro не принадлежат автору модели и не связаны с ним.

Вариант 2: сторонний хостинг Kokoro

По карточке модели Kokoro развёрнут во многих коммерческих API; на апрель 2025 года там приводились рыночные цены ниже $1 за миллион символов, около $0,65 и $0,80 у двух хостингов — это примерно $0,04–0,05 за час звука. Актуальные цены, лимиты и условия проверяйте у каждого хостинга сами.

Вариант 3: API озвучки SuperClonica

SuperClonica запускает Supertonic 3 — открытую модель того же класса размера — как облачный API. Он отдаёт звук потоком примерно от 300 мс в наших замерах и даёт доступ к 190 голосам каталога от авторов (персонажи, чтецы, дикторы) и к голосам, обученным по вашей записи. Оплата по времени: бесплатный ключ даёт минуту в день, а «Старт» стоит $5 в месяц за до 216 часов, около $0,023 за час при полном использовании.

Что выбрать

Выбирайте Kokoro, если нужен китайский, на котором Supertonic 3 пока не говорит, или именно голоса Kokoro, и вы готовы держать сервер или выбрать хостинг. Выбирайте SuperClonica, если нужны многие готовые голоса персонажей и чтецов, свои обученные голоса и облачный потоковый API без своего сервера. Обе модели небольшие и работают на процессоре, так что каждую можно сначала попробовать у себя.