SuperAPI AI 工具集

speech-kokoro

通用与其它

查看项目

更新于 10-18 10:18

技能介绍

Speech Kokoro 使用 Kokoro-82M 在本地进行文本转语音,推荐通过内置 CLI 脚本生成,以保证可复现且不依赖 MCP。

主要能力与用途:适用于需要 Kokoro 语音、本地或开源 TTS、旁白、配音及音频提示的场景。支持列出可用语音、直接根据文本生成语音、从 UTF-8 文本文件生成语音;长文本可由脚本分段并拼接音频。

使用方式:使用 Python 运行脚本。生成示例:python "C:\Users\devan.codex\skills\speech-kokoro\scripts\kokoro_tts.py" generate --text "Hello from Kokoro." --out "output\speech\hello.wav"。列出语音:python "C:\Users\devan.codex\skills\speech-kokoro\scripts\kokoro_tts.py" voices。指定语音与速度:python "C:\Users\devan.codex\skills\speech-kokoro\scripts\kokoro_tts.py" generate --text "Welcome to the demo." --voice af_sky --speed 1.1 --out "output\speech\demo.wav"。从文件生成:python "C:\Users\devan.codex\skills\speech-kokoro\scripts\kokoro_tts.py" generate --text-file "script.txt" --out "output\speech\narration.wav"。

默认行为:语音 af_sky;速度 1.25;采样率 24000;格式为单声道 16 位 PCM WAV;当 PyTorch 报告 CUDA 可用时使用 CUDA,否则使用 CPU。

建议工作流:除非用户要求修改,否则保持用户文本原样;除非用户指定其他 Kokoro 语音,否则使用 af_sky;用户询问可用语音时使用 voices 命令;将最终文件写入清晰的项目输出路径,通常为 output\speech\;生成后报告输出路径、语音、速度以及使用 CUDA 还是 CPU。

依赖:仅在缺失时安装 python -m pip install kokoro numpy soundfile huggingface_hub。PyTorch 为可选但推荐;无 CUDA 时脚本使用 CPU。在 Windows 上,Python 3.13 可能因安装 Kokoro 依赖而强制原生构建 spaCy/blis;如遇此情况,可创建 Python 3.11 或 3.12 虚拟环境并使用该解释器运行同一脚本。

限制与注意事项:生成时 kokoro 必须可导入;语音发现优先使用 Hugging Face 仓库元数据,不可用时回退到已知 Kokoro 语音列表;不要在该技能中存储用户密钥;正常本地使用 Kokoro 生成不需要 HF token。