Що робить цей інструмент
Цей інструмент озвучує англійський текст природними ШІ-голосами й дає змогу завантажити результат як WAV-файл. Він використовує Kokoro-82M — відкриту модель синтезу мовлення на 82 мільйони параметрів від hexgrad — через бібліотеку kokoro-js і Transformers.js. Усе відбувається у вашому браузері: без реєстрації, без ліміту символів і без сервера, який бачить ваш текст.
Модель невелика, тому працює на звичайному ноутбуці. У браузерах із WebGPU (свіжі Chrome і Edge) вона використовує відеокарту й модель повної точності; в інших випадках працює на CPU з 8-бітною квантованою версією, яка менша й однаково звучить чисто.
Як користуватися
- Натисніть Завантажити модель і почати. Першого разу модель (близько 92 МБ для CPU, близько 326 МБ для WebGPU) завантажується й кешується браузером. Смуга прогресу показує, скільки залишилося. Наступного разу вона завантажиться з кешу за секунди.
- Введіть або вставте текст чи натисніть Приклад, щоб спробувати короткий абзац. Кількість символів і орієнтовна тривалість аудіо оновлюються під час введення.
- Виберіть Голос і Швидкість від 0,5× до 2×.
- Натисніть Озвучити. Довгий текст ділиться на фрагменти розміром із речення й озвучується по одному, з лічильником «Фрагмент 3 / 12». Натисніть Стоп, щоб закінчити раніше й зберегти вже створене аудіо.
- Прослухайте результат у плеєрі й натисніть Завантажити WAV, щоб зберегти моно-файл 24 кГц.
Щоб отримати окремі файли, виберіть у Вивід варіант Файл на кожен рядок: кожен непорожній рядок стане окремим пронумерованим WAV (01-…, 02-…), а Завантажити все (ZIP) збереже їх разом.
Кнопка «Поділитися» копіює посилання з текстом, голосом і швидкістю, щоб інша людина могла створити те саме мовлення у своєму браузері.
Голоси та мови
Браузерні голоси Kokoro говорять лише англійською. Є 20 голосів американської англійської (11 жіночих, 9 чоловічих) і 8 голосів британської англійської (4 жіночі, 4 чоловічі). Біля кожного голосу в списку вказано загальну оцінку з картки моделі; Heart і Bella (американські, жіночі) оцінені найвище, а Emma (британський, жіночий) та Fenrir, Michael і Puck (американські, чоловічі) — добрі альтернативи.
Вимову будує фонемайзер espeak-ng, тому імена, абревіатури й числа зазвичай читаються правильно, але рідкісні слова іноді варто переформулювати. Якщо більша частина тексту написана іншою письменністю, інструмент попередить, бо такі символи озвучити неможливо.
Приклад
Завантажте приклад, залиште стандартний голос Heart і натисніть «Озвучити». Два рядки стануть двома фрагментами, і за кілька секунд ви отримаєте близько двадцяти секунд мовлення з короткою паузою між абзацами. Перемкніться на George для британського чоловічого голосу або встановіть швидкість 1,3× для жвавішого читання й озвучте знову.
Вимоги та конфіденційність
Потрібен сучасний браузер із WebAssembly і Web Workers: свіжі Chrome, Edge, Firefox або Safari на комп’ютері чи телефоні. WebGPU не обов’язковий, він лише пришвидшує роботу. Телефонам із малим обсягом пам’яті може бути важко з довгими текстами; якщо WebGPU видає помилку, виберіть Лише CPU. Файли моделі надходять із Hugging Face, рушій ONNX Runtime — із публічного CDN, а файл кожного голосу (близько 0,5 МБ) завантажується під час першого використання. Після кешування озвучення працює без інтернету.
Часті запитання
› Мій текст завантажується на сервер?
Ні. Мовлення створюється на вашому пристрої моделлю, що працює в браузері. Сторінка один раз завантажує файли моделі з Hugging Face, але ваш текст і аудіо ніколи не залишають сторінку.
› Якими мовами він говорить?
Лише англійською. Браузерна Kokoro-82M v1.0 має 28 голосів: 20 з американським і 8 з британським акцентом. Текст іншими мовами чи письменностями, наприклад українською, китайською або арабською, буде пропущено або прочитано неправильно.
› Скільки треба завантажити і чи щоразу?
Близько 92 МБ для 8-бітної моделі, що працює на CPU, або близько 326 МБ для моделі повної точності під WebGPU, плюс рушій ONNX Runtime і невеликий файл для кожного голосу. Браузер усе кешує, тож наступні запуски тривають секунди без повторного завантаження.
› Чи можна використовувати аудіо комерційно?
Ваги Kokoro-82M і бібліотека kokoro-js випущені за ліцензією Apache 2.0, а модель навчено на аудіо з вільними ліцензіями, тож створене мовлення можна використовувати у відео, подкастах і застосунках. Повні умови дивіться в картці моделі на Hugging Face.
› Чому на моєму комп’ютері все повільно?
Без WebGPU модель працює на CPU через WebAssembly, і на старих ноутбуках та телефонах одне речення може займати кілька секунд. Chrome і Edge з WebGPU значно швидші. Довгий текст ділиться на фрагменти, тож видно прогрес і можна зупинитися будь-коли.