DevToolPal
ID

Teks ke Suara

Ubah teks bahasa Inggris menjadi suara alami dengan model Kokoro-82M yang berjalan di browser, lalu unduh sebagai WAV.

Berjalan lokal, tidak pernah diunggah

Model suara

Kokoro-82M berjalan sepenuhnya di browser Anda. Model diunduh sekali dari Hugging Face lalu disimpan di cache, jadi kunjungan berikutnya mulai dalam hitungan detik.

Opsi

Suara hanya berbahasa Inggris (aksen Amerika dan Britania).
Jalankan di
Otomatis memakai WebGPU (model penuh, ~326 MB) jika browser mendukung, jika tidak memakai CPU (model 8-bit, ~92 MB).
Keluaran
Satu file per baris mengubah setiap baris yang tidak kosong menjadi WAV tersendiri (baris kosong dilewati), misalnya satu per kalimat atau kata.

Teks

0 karakter

Audio

Unduh model terlebih dahulu.

Suara yang dibuat muncul di sini. Tidak ada yang diunggah: teks dan audio tetap di perangkat ini.

Apa yang dilakukan alat ini

Alat teks ke suara ini membacakan teks bahasa Inggris dengan suara AI yang terdengar alami dan memungkinkan Anda mengunduh hasilnya sebagai file WAV. Alat ini memakai Kokoro-82M, model sintesis suara terbuka dengan 82 juta parameter buatan hexgrad, melalui pustaka kokoro-js dan Transformers.js. Semuanya terjadi di browser Anda: tanpa akun, tanpa kuota karakter, dan tanpa server yang melihat apa yang Anda ketik.

Karena modelnya kecil, alat ini berjalan di laptop biasa. Di browser dengan WebGPU (Chrome dan Edge terbaru), alat ini memakai kartu grafis dengan model presisi penuh; di tempat lain berjalan di CPU dengan versi terkuantisasi 8-bit yang lebih kecil dan tetap jernih.

Cara menggunakan

  1. Klik Unduh model dan mulai. Pertama kali, model (sekitar 92 MB di CPU, sekitar 326 MB dengan WebGPU) diunduh dan disimpan di cache browser. Bilah kemajuan menunjukkan sisa unduhan. Lain kali model dimuat dari cache dalam hitungan detik.
  2. Ketik atau tempel teks Anda, atau klik Contoh untuk mencoba paragraf pendek. Jumlah karakter dan perkiraan durasi audio diperbarui saat Anda mengetik.
  3. Pilih Suara dan Kecepatan antara 0,5× dan 2×.
  4. Klik Buat suara. Teks yang panjang dibagi menjadi potongan seukuran kalimat dan diucapkan satu per satu, dengan penghitung “Potongan 3 / 12”. Klik Hentikan untuk selesai lebih awal dan menyimpan audio yang sudah dibuat.
  5. Dengarkan di pemutar, lalu klik Unduh WAV untuk menyimpan file mono 24 kHz.

Untuk mendapatkan file terpisah, atur Keluaran ke Satu file per baris: setiap baris yang tidak kosong menjadi WAV bernomor tersendiri (01-…, 02-…), dan Unduh semua (ZIP) menyimpan semuanya sekaligus.

Tombol Bagikan menyalin tautan berisi teks, suara, dan kecepatan Anda, sehingga orang lain bisa membuat suara yang sama di browser mereka sendiri.

Suara dan bahasa

Suara Kokoro untuk browser hanya berbahasa Inggris. Ada 20 suara bahasa Inggris Amerika (11 perempuan, 9 laki-laki) dan 8 suara bahasa Inggris Britania (4 perempuan, 4 laki-laki). Setiap suara dalam daftar menampilkan nilai keseluruhan dari kartu model; Heart dan Bella (Amerika, perempuan) bernilai tertinggi, sedangkan Emma (Britania, perempuan) serta Fenrir, Michael, dan Puck (Amerika, laki-laki) adalah alternatif yang baik.

Pelafalan berasal dari fonemizer espeak-ng, jadi nama, singkatan, dan angka biasanya dibaca dengan benar, tetapi kata yang jarang mungkin perlu ditulis ulang. Jika sebagian besar teks memakai aksara lain, alat ini akan memperingatkan Anda karena karakter tersebut tidak bisa diucapkan.

Contoh

Muat paragraf contoh, biarkan suara bawaan Heart, lalu klik Buat. Dua baris menjadi dua potongan dan dalam beberapa detik Anda mendapat sekitar dua puluh detik suara dengan jeda singkat di antara paragraf. Ganti ke George untuk narator pria Britania, atau atur kecepatan ke 1,3× agar pembacaan lebih cepat, lalu buat lagi.

Persyaratan dan privasi

Alat ini membutuhkan browser modern dengan WebAssembly dan Web Worker: Chrome, Edge, Firefox, atau Safari terbaru di desktop maupun ponsel. WebGPU bersifat opsional dan hanya mempercepat. Ponsel dengan memori kecil mungkin kesulitan dengan teks panjang; pilih Hanya CPU jika WebGPU gagal. File model berasal dari Hugging Face dan mesin ONNX Runtime dari CDN publik; setiap file suara (sekitar 0,5 MB) diunduh saat pertama kali dipakai. Setelah tersimpan di cache, pembuatan suara berjalan secara offline.

FAQ

› Apakah teks saya diunggah ke server?

Tidak. Suara dibuat di perangkat Anda sendiri oleh model yang berjalan di browser. Halaman hanya mengunduh file model sekali dari Hugging Face, tetapi teks dan audio Anda tidak pernah meninggalkan halaman.

› Bahasa apa saja yang bisa diucapkan?

Hanya bahasa Inggris. Kokoro-82M v1.0 untuk browser menyertakan 28 suara, 20 beraksen Amerika dan 8 beraksen Britania. Teks dalam bahasa atau aksara lain, seperti Tionghoa, Arab, atau Rusia, akan dilewati atau diucapkan keliru.

› Seberapa besar unduhannya, dan apakah harus setiap kali?

Sekitar 92 MB untuk model 8-bit yang berjalan di CPU, atau sekitar 326 MB untuk model presisi penuh yang dipakai dengan WebGPU, ditambah mesin ONNX Runtime dan file kecil per suara. Browser menyimpan semuanya di cache, jadi kunjungan berikutnya mulai dalam beberapa detik tanpa mengunduh ulang.

› Bolehkah audio yang dihasilkan dipakai secara komersial?

Bobot Kokoro-82M dan pustaka kokoro-js dirilis dengan lisensi Apache 2.0, dan model dilatih dengan audio berlisensi permisif, sehingga suara yang Anda buat bisa dipakai di video, podcast, atau aplikasi. Lihat kartu model di Hugging Face untuk ketentuan lengkapnya.

› Mengapa pembuatan suara lambat di komputer saya?

Tanpa WebGPU, model berjalan di CPU melalui WebAssembly, yang bisa memakan beberapa detik per kalimat di laptop dan ponsel lama. Chrome dan Edge dengan WebGPU jauh lebih cepat. Teks panjang dibagi menjadi potongan, jadi Anda bisa melihat kemajuan dan berhenti kapan saja.