Lokale Sprach-KI / Leitfaden 3 von 7

Lokale Sprachausgabe ausführen

Starten Sie Kokoro und wählen Sie eine Stimme für Text-to-Speech.

Führen Sie diesen Schritt aus · Terminal

docker run -d --name kokoro \
  --restart unless-stopped \
  -p 127.0.0.1:8880:8880 \
  ghcr.io/remsky/kokoro-fastapi-cpu:latest

Starten Sie Kokoro und prüfen Sie seine Stimmen

Mit einer NVIDIA-GPU können Sie das Image gegen kokoro-fastapi-gpu austauschen. Auf Apple Silicon reicht das CPU-Image. Kokoro hat nur 82 Millionen Parameter.

Überprüfen Sie, ob es ausgeführt wird:

bash

curl http://127.0.0.1:8880/v1/audio/voices | jq '.voices'

Wenn Docker den Port an eine andere Schnittstelle (Tailscale, LAN) statt an Loopback gebunden hat, erstellen Sie den Container mit der oben gezeigten Loopback-Bindung für dieses lokale Setup neu.

Verfügbare Stimmen

Kokoro enthält Über 60 Stimmen in 9 Sprachen. Die Kennungen folgen dem Muster <language><gender>_<name>. Beispielsweise steht bf_emma für die britische Frauenstimme Emma. Kennungen mit dem Präfix v0_ bezeichnen ältere Versionen. Die Namen ohne dieses Präfix sind aktuell.

Sprache	Weiblich	Männlich
🇺🇸 Amerikanisches Englisch (`a`)	af_alloy, af_aoede, af_bella, af_heart, af_jadzia, af_jessica, af_kore, af_nicole, af_nova, af_river, af_sarah, af_sky	am_adam, am_echo, am_eric, am_fenrir, am_liam, am_michael, am_onyx, am_puck, am_santa
🇬🇧 Britisches Englisch (`b`)	bf_alice, bf_emma, bf_lily	bm_daniel, bm_fable, bm_george, bm_lewis
🇪🇸 Spanisch (`e`)	ef_dora	em_alex, em_santa
🇫🇷 Französisch (`f`)	ff_siwis	—
🇮🇳 Hindi (`h`)	hf_alpha, hf_beta	hm_omega, hm_psi
🇮🇹 Italienisch (`i`)	if_sara	im_nicola
🇯🇵 Japanisch (`j`)	jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro	jm_kumo
🇧🇷 Portugiesisch (`p`)	pf_dora	pm_alex, pm_santa
🇨🇳 Mandarin (`z`)	zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi	zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang

Die Stimmqualität variiert. In der Community sind etwa af_heart, af_bella, af_nicole, bf_emma, am_michael und bm_george beliebt. Wir verwenden standardmässig bf_emma mit britischem Englisch und natürlicher Betonung. Probieren Sie aus, was zu Ihnen passt.

Vorschau einer Stimme über die Befehlszeile:

bash

curl -s -X POST http://127.0.0.1:8880/v1/audio/speech \
  -H 'Content-Type: application/json' \
  -d '{"model":"kokoro","input":"Hello — this is what I sound like.","voice":"bf_emma","response_format":"mp3"}' \
  -o /tmp/preview.mp3 && afplay /tmp/preview.mp3

Ersetzen Sie bf_emma durch eine der oben genannten Stimmkennungen.

Kein Deutsch?

Kokoro liefert noch keine muttersprachlichen deutschen Stimmen. Für DE kann NautPin auf die integrierten Stimmen von macOS (Anna, Markus. beide in Premiumqualität, vollständig auf dem Gerät) zurückgreifen, die unter Einstellungen → Sprachausgabe → Apple-Stimmen konfiguriert werden.

Es funktioniert, wenn

Der Stimmen-Endpunkt liefert unter http://127.0.0.1:8880/v1/audio/voices eine JSON-Liste. Installieren Sie jq, wenn Sie den Formatierungsbefehl nutzen möchten.