能够融合声音的小型 TTS（文本转语音）模型：Kokoro

Kokoro 是仅 82M 参数的轻量级 TTS 模型，支持从十种预设声线中任选两种，按任意比例混合生成个性化语音——如男女声 60:40 融合。提供简洁 API，访问 kokorotts.com 即可快速调用。

发布于2025年1月17日 04:35

作者零重力瓦力

评论0 条

阅读0

一款新的文本转语音（TTS）模型 “Kokoro”，它只有 82M 参数！这个模型的强大之处在于，只需添加一行代码，就可以创建自定义声音，将任意两种声音（从十种预设中选择）按照任意比例进行混合。例如，你可以将一位男性和一位女性的声音以 60:40 的比例混合，生成一个独特的全新声音。

模型 API 调用方法：https://kokorotts.com

拆成可复用角色；hermes-agent 主打任务后自动沉淀技能、让智能体越用越聪明；Superpowers 以测试驱动流程串起开发全链路；Paperclip 则尝试用多智能体编排“零人工公司”。

Adobe Firefly上线自定义图像模型功能，用户上传10张以上图片即可训练专属艺术风格模型，聚焦AI美学方向；但该能力比Midjourney晚半年推出，AI视频部分未采用自研模型，转而接入可灵2.6，引发对其技术节奏与生态策略的质疑。

ElevenLabs推出Flows——基于画布的多模态广告创作平台，整合图像、视频、语音、音效与音乐生成，支持Veo、可灵、Nano Banana等模型及真人配音库；内置商用授权Eleven Music，可一键生成70+语言版本，宣称一天完成香水广告全流程，为出海团队大幅降本提效。

互动讨论

评论区

围绕《能够融合声音的小型 TTS（文本转语音）模型：Kokoro》展开交流，未登录用户可浏览评论，登录后可参与讨论。

评论数

登录后参与评论

支持发表观点与回复一级评论，互动后将同步到消息中心。

暂无评论，欢迎成为第一个参与讨论的人。