hexgrad: Kokoro 82M

Kokoro 82M von hexgrad erzeugt Sprachausgabe mit einem kompakten Modell mit 82 Millionen Parametern und einer sprachspezifischen voreingestellten Stimme. Sein dokumentiertes v1.0-Profil umfasst acht Sprachen, 54 Stimmen und Audioausgabe mit 24 kHz.

Ailoot Ultra · Sprachausgabe POST /v1/audio/speech hexgrad/kokoro-82m

Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

Kokoro 82M ist das Text-to-Speech-Modell von hexgrad mit offenen Gewichten und zweiundachtzig Millionen Parametern. Seine Modellkarte beschreibt eine kompakte reine Decoder-Architektur auf Basis von StyleTTS 2 und iSTFTNet. Geschriebener Text wird in Ausspracheinformationen und anschließend in Sprachausgabe mit einer ausgewählten Stimme umgewandelt. Die dokumentierte Version v1.0 bietet vierundfünfzig Stimmen in acht Sprachen; dieses Profil unterscheidet sich von der früheren, ausschließlich englischsprachigen Version v0.19.

Passende Sprache und Stimme auswählen

Der Stimmenkatalog umfasst amerikanisches und britisches Englisch, Japanisch, Mandarin-Chinesisch, Spanisch, Französisch, Hindi, Italienisch und brasilianisches Portugiesisch. Die beiden englischen Akzente sind Varianten einer Sprache. Stimmennamen und Spracheinstellungen gehören zusammen: af_heart ist im offiziellen Workflow ein Beispiel für amerikanisches Englisch; für die anderen Sprachen und Akzente enthält der Katalog separate Gruppen.

Wählen Sie den Sprecher anhand des tatsächlichen Materials aus, das er lesen wird. Ein kurzer Sprechertext für einen Kurs kann über alle Abschnitte hinweg dieselbe voreingestellte Stimme verwenden; eine mehrsprachige Sammlung kann aus jeder benötigten Sprachgruppe eine Stimme auswählen. Der Umfang des Katalogs unterscheidet sich zwischen den Gruppen. Französisch ist beispielsweise durch eine aufgeführte Stimme vertreten, während für Englisch eine größere Auswahl verfügbar ist.

Aussprache und Passagen vorbereiten

Die Referenzpipeline von Kokoro wandelt Schriftformen in Phoneme um. Ihre Beispiele ermöglichen eine explizite phonetische Lesung für einen Begriff, sodass ein schwieriger Name vorbereitet werden kann, statt einer mehrdeutigen Schreibweise überlassen zu bleiben. Halten Sie den umgebenden Satz natürlich und bewahren Sie den Wortlaut, den der Hörer hören soll.

Eine praktische Passage lautet: „Die Anleitung besteht aus drei Teilen. Wählen Sie zuerst das Material. Vergleichen Sie anschließend die Beispiele. Speichern Sie zum Schluss die Version, die Sie verwenden möchten.“ Schreiben Sie vollständige Formulierungen und bewahren Sie die durch Satzzeichen nahegelegten Pausen. Gliedern Sie die Eingabe für ein langes Stück in zusammenhängende Absätze, statt das gesamte Dokument als eine ununterbrochene Äußerung zu behandeln.

Laut Stimmenleitfaden funktionieren viele Sprecher am besten mit Passagen von ungefähr 100–200 Tokens innerhalb eines Bereichs von etwa 500 Tokens. Er nennt Schwächen bei sehr kurzen Äußerungen, insbesondere unter 10–20 Tokens, und eine Tendenz, längere Passagen zu hastig zu sprechen, besonders jenseits von 400 Tokens. Dies sind tokenbezogene Beobachtungen zur Vorbereitung, keine Grenzen für Wortzahl oder Aufnahmedauer. Das Zusammenführen kurzer Fragmente oder Teilen einer langen Passage kann eine geeignetere Sprecheinheit ergeben.

Audioausgabe und Tempo

Der offizielle Workflow liefert für jedes erzeugte Segment den verarbeiteten Text, Phoneme und ein Audioergebnis. Er speichert diese Segmente als WAV mit 24.000 Hz und stellt in der Referenzpipeline eine Geschwindigkeitseinstellung bereit. Halten Sie Segmenttext und Reihenfolge mit dem Audio verknüpft, damit die zusammengesetzte Erzählaufnahme dem vorgesehenen Skript folgt.

Eine nützliche Schnittkontrolle ist das Anhören des Übergangs zwischen zwei Passagen mit anschließender Prüfung wiederkehrender Namen und des Tempos von Aufzählungen. Audioausgabe und Phonemansicht dienen unterschiedlichen Zwecken: Die eine ist die Aufnahme, die der Hörer hört, die andere hilft zu prüfen, wie der geschriebene Text ausgesprochen wird.

Sprachabdeckung und praktische Grenzen

Der Hersteller weist ausdrücklich darauf hin, dass die Unterstützung anderer Sprachen als Englisch wegen begrenzter Ausspracheverarbeitung oder Stimmtrainingsdaten eingeschränkt sein kann. Die Gruppen voreingestellter Stimmen sind deshalb nicht als gleichwertige Garantien für die Sprechweise jeder Passage zu behandeln. Wählen Sie einen geeigneten Sprecher und prüfen Sie die tatsächlichen Namen und Formulierungen, die die Aufgabe erfordert.

Das nützliche Ergebnis ist eine gesprochene Passage oder eine zusammengesetzte Erzählaufnahme mit einer dokumentierten voreingestellten Stimme; der Text ist dabei auf deren Aussprache- und Passagenlängenbedarf abgestimmt. Dieses Profil folgt den v1.0-Unterlagen des Herstellers zu Kokoro 82M; ein anderer Checkpoint, eine quantisierte Implementierung oder eine extern veränderte Stimme hat ihren eigenen technischen Geltungsbereich.

Ailoot Ultra · Sprachausgabe POST /v1/audio/speech hexgrad/kokoro-82m

hexgrad/kokoro-82m

hexgrad /hexgrad/kokoro-82m

Einstieg

Zulässige Eingaben: Text
Ergebnisse: Audio

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · Sprachausgabe POST /v1/audio/speech

Eingabe: text
Ausgabe: audio
Ausgabeformat: mp3

Feld	Typ	Anforderung	Werte und Limits	Standard
Feld`model`	Typ`string`	AnforderungErforderlich	Werte und Limits hexgrad/kokoro-82m	Standard—
Feld`input`	Typ`string`	AnforderungErforderlich	Werte und Limits Mindestlänge: 1 Einheit: Unicode-Zeichen	Standard—
Feld`voice`	Typ`string`	AnforderungErforderlich	Werte und Limits af_alloy, af_aoede, af_bella, af_heart, 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, bf_alice, bf_emma, bf_isabella, bf_lily, bm_daniel, bm_fable, bm_george, bm_lewis, ef_dora, em_alex, em_santa, ff_siwis, hf_alpha, hf_beta, hm_omega, hm_psi, if_sara, im_nicola, jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro, jm_kumo, pf_dora, pm_alex, pm_santa, zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi, zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang	Standard—
Feld`response_format`	Typ`string`	AnforderungErforderlich	Werte und Limits mp3	Standard—

Kombinationen von Eingabematerialien

text_to_speech · Erforderlich: input

Methodenparameter und Lebenszyklus

Parameter	Vertrag
Parameter`content_type`	Vertragapplication/json
Parameter`required`	Vertragmodel, input, voice, response_format
Parameter`voice_ids`	Vertragaf_alloy, af_aoede, af_bella, af_heart, 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, bf_alice, bf_emma, bf_isabella, bf_lily, bm_daniel, bm_fable, bm_george, bm_lewis, ef_dora, em_alex, em_santa, ff_siwis, hf_alpha, hf_beta, hm_omega, hm_psi, if_sara, im_nicola, jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro, jm_kumo, pf_dora, pm_alex, pm_santa, zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi, zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang
Parameter`response_format`	Vertragmp3
Parameter`max_input_characters`	Vertragnull
Parameter`other_options`	Vertragfalse
Parameter`input`	Vertragexakter UTF-8-Text; Unicode-Zeichenzahl ohne Normalisierung
Parameter`material_types`	Vertragtext

Lebenszyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Wählen Sie die genaue Stimme aus diesem Modellprofil.

Eingabezeichen und Audiosekunden sind unterschiedliche Messgrößen.

Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus: Nicht angegeben Wenn der Schnellmodus ausgewählt ist
Flex-Modus: Nicht angegeben Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand: Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird

Ailoot-Tarife

Preise nach Konfiguration

Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.

Konfiguration	Tarifstaffel	Abrechenbare Menge	Abrechnungseinheit	Gebühr
KonfigurationBasistarife für Tokens	TarifstaffelGrundtarif	Abrechenbare Menge—	Abrechnungseinheit—	Gebühr Eingabe · Eingabetoken — / 1K Tokens Ausgabe · Ausgabetoken — / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens
KonfigurationUltra	Tarifstaffel—	Abrechenbare MengeJeder Unicode-Codepunkt zählt als ein Zeichen, einschließlich Han-Zeichen.	Abrechnungseinheitpro 1K Eingabezeichen	Gebühr Eingabe · Eingabezeichen $0.008 pro 1K Eingabezeichen

Details zum Referenztarif

Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-Methode.

hexgrad: Kokoro 82M

Preise nach Konfiguration

Konfiguration	Abrechnungsbedingungen	Gebühr
Konfigurationhexgrad: Kokoro 82M · Standardkonfiguration	AbrechnungsbedingungenStandardkonfiguration	Gebühr Eingabe · Eingabezeichen $ 0,00000124 pro Eingabezeichen

Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →

Beispielanfragen

Ailoot Ultra · Sprachausgabe

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "hexgrad/kokoro-82m", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["af_alloy", "af_aoede", "af_bella", "af_heart", "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", "bf_alice", "bf_emma", "bf_isabella", "bf_lily", "bm_daniel", "bm_fable", "bm_george", "bm_lewis", "ef_dora", "em_alex", "em_santa", "ff_siwis", "hf_alpha", "hf_beta", "hm_omega", "hm_psi", "if_sara", "im_nicola", "jf_alpha", "jf_gongitsune", "jf_nezumi", "jf_tebukuro", "jm_kumo", "pf_dora", "pm_alex", "pm_santa", "zf_xiaobei", "zf_xiaoni", "zf_xiaoxiao", "zf_xiaoyi", "zm_yunjian", "zm_yunxi", "zm_yunxia", "zm_yunyang"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o speech.mp3

Ergebnisse abrufen und speichern

Ailoot Ultra · Sprachausgabe

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Abrufe anderer Inhalte

MedienbibliothekAufgabenstatusDateidetails

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Alle fertiggestellten Ergebnisse aufbewahren

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Das vollständige Binärergebnis und die Header aufbewahren. Wenn JSON oder mehrere Ausgaben zurückgegeben werden, jedes Datenelement aufbewahren und jede tatsächlich zurückgegebene signierte Asset-URL abrufen.

Wenn die ursprüngliche Antwort geprüft werden muss

Die ursprüngliche operation_id/X-Client-Request-ID für den Abgleich ohne erneute Einreichung aufbewahren; es gibt keine eigene Route zur Abfrage des Audiostatus.

Antwortfelder

Feld	Typ
Feld`binary audio`	Typbytes
Feld`response headers`	Typheaders

Fehler und nächste Schritte

Antwort	Bedingung	Nächster Schritt
Antwort400 · `invalid_request_error`	BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig	Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.
Antwort`server_error`	BedingungDie zurückgegebene Antwort gibt an, dass der Vorgang oder das Ergebnis eine Prüfung erfordert	Nächster SchrittDie ursprünglich zurückgegebene Vorgangs-/Aufgaben-ID, die Anfrageheader und die Antwort aufbewahren; mit unterstützten Leseaufrufen für diesen ursprünglichen Vorgang fortfahren. Die Erstellungsanfrage nicht erneut senden.

Aliasnamen

Modellaliasnamen

Ailoot Ultra hexgrad/kokoro-82m

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

hexgrad/kokoro-82m

FAQ · hexgrad: Kokoro 82M

Welche Eingaben und Ergebnisse sind verfügbar?: POST /v1/audio/speech · hexgrad/kokoro-82m: text → audio
Welche Felder verwendet die Anfrage?: POST /v1/audio/speech · hexgrad/kokoro-82m: model, input, voice, response_format

hexgrad: Kokoro 82M