Kokoro TTS online, gratis y privado en tu navegador

El modelo se ejecuta en tu propio ordenador, reproduce la primera frase mientras genera el resto y te da un WAV para descargar. Cuando pulsas Empezar, tu navegador descarga el modelo Kokoro-82M una sola vez y lo guarda en su caché. A partir de ahí, todo ocurre en esta pestaña. Tu texto se divide en frases, cada frase se convierte en fonemas y el modelo convierte los fonemas en audio a 24 kHz con la voz que elegiste. La primera frase empieza a sonar en cuanto está lista, mientras las siguientes se generan detrás.

El texto en inglés pasa por el fonetizador inglés propio de Kokoro, que además lee bien números, precios y horas. El español, el francés, el italiano, el portugués y el hindi pasan por eSpeak NG, el mismo fonetizador que usa Kokoro para esos idiomas, que solo se carga cuando eliges una de esas voces. La inferencia se ejecuta en un worker en segundo plano, así que la página sigue respondiendo.

La herramienta elige el motor por ti. No hay ningún ajuste de calidad con el que equivocarse, porque los modelos cuantizados más pequeños producen una voz distorsionada en WebGPU.

• WebGPU (tarjeta gráfica): el modelo de precisión completa, una descarga única de 326 MB. En un portátil reciente, un párrafo de 40 palabras tarda unos 3 segundos y la primera frase suena al cabo de 1 segundo, más o menos. Chrome y Edge actuales en un ordenador tienen WebGPU, y también Safari 26 en un Mac.
• CPU (WebAssembly): el modelo de 8 bits, una descarga única de 92 MB, que se usa cuando WebGPU no está disponible. Va más lento que el tiempo real: cuenta con que la primera frase llegue a los 10 a 15 segundos y con 20 a 40 segundos para el mismo párrafo, según tu procesador.

En los dos casos, la segunda visita se salta la descarga: el modelo carga desde la caché del navegador en unos segundos. Calcula entre 1 y 1,5 GB de memoria en la pestaña mientras funciona.

La voz decide el idioma. La herramienta ofrece las mismas 41 voces que la app Sandbook, con los nombres y las descripciones de la app:

• Inglés: 28 voces, 20 estadounidenses y 8 británicas, entre ellas Heart, Bella, Michael, Emma y George.
• Español: 3 voces (Dora, Alex, Santa).
• Francés: 1 voz (Siwis).
• Italiano: 2 voces (Sara, Nicola).
• Portugués de Brasil: 3 voces (Dora, Alex, Santa).
• Hindi: 4 voces (Alpha, Beta, Omega, Psi).

Para escuchar una voz sin cargar nada, pulsa el botón de reproducir junto al selector de voz, o escucha todas las muestras de voz de Kokoro. La velocidad va de 0,5× a 2,0× y se aplica dentro del modelo, así que una voz rápida sigue sonando como una persona que habla deprisa.

Descarga. Cada generación se puede guardar como archivo WAV mono a 24 kHz. Aún no se puede exportar a MP3 ni M4A.

Derechos de uso. Kokoro-82M se publica con la licencia Apache-2.0, que permite el uso comercial. El audio que generas es tuyo; Sandbook no reclama nada sobre él.

Límites. Hasta 1500 caracteres por generación, más o menos un minuto y medio de voz. El modelo necesita tanta memoria como un ordenador de escritorio, así que la herramienta está pensada para ordenadores. Puede que los teléfonos no tengan memoria suficiente para la versión web, y en un teléfono la página muestra muestras de voz antes de ofrecer cargar nada. Cerrar la pestaña justo después de la primera descarga puede impedir, en ocasiones, que el navegador termine de guardar la caché; en ese caso, la siguiente visita vuelve a descargar el modelo.

Privacidad. Todo se queda en tu navegador. Tu texto y el audio nunca salen de esta pestaña; los únicos archivos que descarga la herramienta son el modelo, la voz que eliges y, para las voces que no son en inglés, el fonetizador. La página cuenta cuántas veces se usa la herramienta, nunca lo que escribes.

Esta página es una demostración del modelo. Sandbook es la app: ejecuta el mismo modelo Kokoro-82M en iPhone y iPad con Apple MLX, totalmente sin conexión, con las 41 voces y sin límite de longitud. Lee en voz alta libros EPUB y PDF, páginas web y páginas escaneadas, resalta cada palabra mientras la lee y recuerda dónde lo dejaste. Gratis, sin cuenta y sin nada que comprar. Necesita un iPhone 12 o posterior con iOS 18.2.

Cómo funciona el modelo en un teléfono se explica en la página Kokoro TTS para iPhone. Si solo necesitas que el teléfono lea la pantalla en voz alta, iOS ya lo hace: texto a voz en el iPhone con los ajustes que ya trae. Y para ver cómo se compara Sandbook con Speechify, NaturalReader y los demás lectores, consulta las alternativas de lectores para iPhone.