指南

Kokoro TTS API：自建、第三方托管或托管替代方案

请注意：SuperClonica 使用的 Supertonic 3 目前不支持中文，而 Kokoro 支持多种语言。Kokoro-82M 是一款很受欢迎的开放语音合成模型：8,200 万参数，权重采用 Apache 许可，1.0 版提供 8 种语言、54 种声音。其模型卡没有列出作者的官方托管 API，因此所谓“Kokoro API”要么是在自己的服务器上运行模型，要么是付费使用第三方托管。

本指南把这些方案与 SuperClonica 语音合成 API 进行比较；后者以托管服务的形式运行另一款开放模型 Supertonic 3，并提供 190 种目录声音。

免费获取 API 密钥 试听声音 或自己运行引擎

方案 1：自己部署 Kokoro

权重采用 Apache 许可，因此可以把模型封装进自己的 HTTP 服务器，在 CPU 或 GPU 上运行。你拥有完全控制权，只需支付机器费用，但服务器、扩容和更新都要自己负责。模型卡提醒，一些使用 Kokoro 名称的网站并不属于模型作者，也与其无关。

方案 2：第三方 Kokoro 托管

据模型卡介绍，Kokoro 已部署在许多商业 API 中；截至 2025 年 4 月，卡中给出的市场价格低于每百万字符 1 美元，两家托管商分别约为 0.65 美元和 0.80 美元，约合每小时音频 0.04–0.05 美元。请自行核实各托管商当前的价格、限制和条款。

方案 3：SuperClonica 语音合成 API

SuperClonica 以托管 API 的形式运行同等规模的开放模型 Supertonic 3。按我们的测量，它最快约 300 毫秒开始流式返回音频，可使用作者制作的 190 种目录声音（角色、朗读者、播音员）以及用你的录音训练的声音。按时长计费：免费密钥每天 1 分钟，入门套餐每月 5 美元最多 216 小时，用满时约每小时 0.023 美元。

如何选择

如果你需要中文（Supertonic 3 暂不支持）或 Kokoro 特有的声音，并愿意自己部署或挑选托管商，选 Kokoro。如果你需要大量现成的角色和朗读者声音、自己训练的声音，以及无需维护服务器的流式托管 API，选 SuperClonica。两款模型都很小、能在 CPU 上运行，可以先在本地分别试用。