hexgrad: Kokoro 82M

hexgrads Kokoro 82M genererar tal med en kompakt modell med 82 miljoner parametrar och en språkspecifik förinställd röst. Den dokumenterade v1.0-profilen omfattar åtta språk, 54 röster och ljudutdata vid 24 kHz.

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

Om modellen

Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.

Kokoro 82M är hexgrads text-till-tal-modell med öppna vikter och åttiotvå miljoner parametrar. Modellkortet beskriver en kompakt arkitektur med enbart decoder, baserad på StyleTTS 2 och iSTFTNet. Skriven text omvandlas till uttalsinformation och sedan till tal med en vald röst. Den dokumenterade v1.0-utgåvan erbjuder femtiofyra röster på åtta språk; den profilen skiljer sig från den tidigare v0.19-utgåvan som enbart stöder engelska.

Välj ett matchande språk och en röst

Röstkatalogen omfattar amerikansk och brittisk engelska, japanska, mandarinkinesiska, spanska, franska, hindi, italienska och brasiliansk portugisiska. De två engelska accenterna är varianter av ett och samma språk. Röstnamn och språkinställningar hör ihop: af_heart är ett amerikanskt engelskt exempel i det officiella arbetsflödet, medan katalogen har separata grupper för övriga språk och accenter.

Välj talaren utifrån det faktiska material som ska läsas upp. En kort kursberättarröst kan använda en konsekvent förinställd röst genom avsnitten; en flerspråkig samling kan välja en röst från varje språkgrupp som behövs. Katalogens täckning skiljer sig mellan grupperna. Franska representeras till exempel av en listad röst i stället för det större urval som finns för engelska.

Förbered uttal och avsnitt

Kokoros referenspipeline omvandlar skrivna former till fonem. Exemplen tillåter en uttrycklig fonetisk läsning för en term, så ett svårt namn kan förberedas i stället för att lämnas åt en tvetydig stavning. Håll den omgivande meningen naturlig och bevara de ord som lyssnaren ska höra.

Ett praktiskt avsnitt är: ”Guiden har tre delar. Välj först materialet. Jämför sedan exemplen. Spara till sist den version du vill använda.” Skriv fullständiga fraser och behåll pauserna som antyds av interpunktionen. För ett långt innehåll organiserar du indata i sammanhängande stycken i stället för att behandla hela dokumentet som ett enda oavbrutet yttrande.

Röstguiden säger att många talare fungerar bäst med avsnitt på ungefär 100–200 token inom en omfattning på cirka 500 token. Den noterar svagheter vid mycket korta yttranden, särskilt under 10–20 token, och en tendens att skynda genom längre avsnitt, särskilt över 400 token. Detta är tokenbaserade observationer för förberedelse, inte gränser för antal ord eller inspelningslängd. Att kombinera korta fragment eller dela ett långt avsnitt kan ge en lämpligare talenhet.

Ljudutdata och tempo

Det officiella arbetsflödet ger den bearbetade texten, fonemen och ett ljudresultat för varje genererat segment. Det sparar segmenten som WAV vid 24 000 Hz och erbjuder en hastighetsinställning i referenspipelinen. Håll segmenttext och ordning kopplade till ljudet så att den sammansatta berättarrösten följer det avsedda manuset.

En användbar redigeringskontroll är att lyssna över gränsen mellan två avsnitt och sedan granska återkommande namn och tempot i listor. Ljudutdata och fonemvyn fyller olika syften: det ena är inspelningen lyssnaren hör, det andra hjälper dig att granska hur den skrivna texten uttalas.

Språktäckning och användbara begränsningar

Tillverkaren påpekar uttryckligen att stödet för andra språk än engelska kan vara tunt eftersom uttalsbearbetningen eller röstträningsdata är begränsade. De förinställda grupperna ska därför inte behandlas som likvärdiga garantier för framförandet av varje avsnitt. Välj en lämplig talare och granska de verkliga namn och formuleringar som uppgiften kräver.

Den användbara leveransen är ett talat avsnitt eller en sammansatt berättarröst med en dokumenterad förinställd röst, där texten förberetts utifrån behoven för uttal och avsnittslängd. Den här profilen följer tillverkarens v1.0-material för Kokoro 82M; en annan checkpoint, kvantiserad implementation eller externt modifierad röst har sin egen tekniska omfattning.

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

hexgrad/kokoro-82m

hexgrad /hexgrad/kokoro-82m

Start

Godkända indata: Text
Resultat: Ljud

Tillgängligt i Ailoot · indata & metoder

Ailoot Ultra · Talproduktion POST /v1/audio/speech

Indatatyper: text
Utdatatyper: audio
Utdataformat: mp3

Fält	Typ	Krav	Värden & gränser	Standard
Fält`model`	Typ`string`	KravObligatoriskt	Värden & gränser hexgrad/kokoro-82m	Standard—
Fält`input`	Typ`string`	KravObligatoriskt	Värden & gränser Minsta längd: 1 Enhet: Unicode-tecken	Standard—
Fält`voice`	Typ`string`	KravObligatoriskt	Värden & gränser 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—
Fält`response_format`	Typ`string`	KravObligatoriskt	Värden & gränser mp3	Standard—

Kombinationer av indatamaterial

text_to_speech · Krävs: input

Metodparametrar och livscykel

Parameter	Avtal
Parameter`content_type`	Avtalapplication/json
Parameter`required`	Avtalmodel, input, voice, response_format
Parameter`voice_ids`	Avtalaf_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`	Avtalmp3
Parameter`max_input_characters`	Avtalnull
Parameter`other_options`	Avtalfalse
Parameter`input`	Avtalexakt UTF-8-text; antal Unicode-tecken utan normalisering
Parameter`material_types`	Avtaltext

Livscykel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Det task_id som faktiskt returnerades eller en post i mediebiblioteket

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Välj den exakta rösten från denna modellprofil.

Indatatecken och ljudsekunder är olika mätenheter.

Priser

Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.

Snabbt läge: Ej angivet När snabbt läge är valt
Flex-läge: Ej angivet När läget flex är valt
Högsta resonemangsnivå: Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default)

Ailoot-priser

Priser efter konfiguration

Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.

Konfiguration	Prislista	Debiterbar mängd	Debiteringsenhet	Avgift
KonfigurationGrundpriser för token	PrislistaGrundpris	Debiterbar mängd—	Debiteringsenhet—	Avgift Indata · Indatatoken — / 1K token Utdata · Utdatatoken — / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token
KonfigurationUltra	Prislista—	Debiterbar mängdVarje Unicode-kodpunkt räknas som ett tecken, även Han-tecken.	Debiteringsenhetper 1K indatatecken	Avgift Indata · indatatecken $0.008 per 1K indatatecken

Detaljer om referenstariffen

Referensprislistor på modellnivå ändrar inte metodval, prisuppgifter eller avgifter. Aktiva avgifter använder priserna för den valda Ailoot-metoden.

hexgrad: Kokoro 82M

Priser efter konfiguration

Konfiguration	Debiteringsvillkor	Avgift
Konfigurationhexgrad: Kokoro 82M · Standardkonfiguration	DebiteringsvillkorStandardkonfiguration	Avgift Indata · Indatatecken 0,00000124 US$ per indatatecken

Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →

Exempelbegäranden

Ailoot Ultra · Talproduktion

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

Ta emot och spara resultat

Ailoot Ultra · Talproduktion

mp3

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

Andra innehållsläsningar

MediebibliotekUppgiftsstatusResursinformation

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

Behåll alla färdiga resultat

Behåll varje fullständigt returnerat svar, fil och innehållsdel.

Spara hela det binära resultatet och dess headers. Om JSON eller flera resultat returneras ska du behålla varje dataobjekt och hämta innehållet via varje faktisk signerad URL till en resurs.

Om det ursprungliga svaret behöver kontrolleras

Behåll de ursprungliga värdena för operation_id/X-Client-Request-ID för avstämning utan att skicka förfrågan igen; det finns ingen särskild rutt för statusavläsning av ljud.

Svarsfält

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

Fel och nästa steg

Svar	Villkor	Nästa steg
Svar400 · `invalid_request_error`	VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde	Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa.
Svar`server_error`	VillkorDet returnerade svaret anger att operationen eller resultatet behöver kontrolleras	Nästa stegSpara det ursprungliga operations- eller uppgifts-ID som returnerades, förfrågans headers och svaret. Fortsätt att läsa den ursprungliga operationen med de läsmetoder som stöds. Skicka inte skapandeförfrågan igen.

Alias

Modellalias

Ailoot Ultra hexgrad/kokoro-82m

Alias för metodsökvägar

Använd metodsökvägarna som visas ovan.

Relaterade anropar-ID:n

hexgrad/kokoro-82m

FAQ · hexgrad: Kokoro 82M

Vilka indata och resultat finns?: POST /v1/audio/speech · hexgrad/kokoro-82m: text → audio
Vilka fält använder begäran?: POST /v1/audio/speech · hexgrad/kokoro-82m: model, input, voice, response_format

hexgrad: Kokoro 82M