अंग्रेज़ी से अनुवादित। मूल पेज देखें
Kokoro TTS · डिवाइस पर ही
Kokoro TTS, पूरी तरह आपके iPhone पर
iPhone के लिए Kokoro TTS ऐप ढूँढ रहे हैं? Sandbook iPhone और iPad के लिए Kokoro TTS ऐप है। पूरा Kokoro-82M मॉडल — सभी 82 मिलियन पैरामीटर — डाउनलोड में ही शामिल है (डाउनलोड लगभग 276 MB का है, जिसमें मॉडल और सभी 41 आवाज़ें शामिल हैं) और Apple MLX के ज़रिए आपके डिवाइस पर चलता है। न कोई सर्वर कॉल, न API key, न अकाउंट। अंग्रेज़ी, स्पेनिश, फ़्रेंच, इतालवी, ब्राज़ीलियाई पुर्तगाली और हिन्दी में 41 आवाज़ें, 24 kHz आउटपुट, App Store पर मुफ़्त।
iOS 18.2 या बाद का वर्शन · iPhone 12 या बाद का मॉडल और iPad · बिना अकाउंट
संक्षेप में
क्या iPhone के लिए कोई Kokoro TTS ऐप है?
हाँ। Sandbook iPhone और iPad पर Kokoro-82M चलाता है: सभी 82 मिलियन पैरामीटर डाउनलोड में शामिल हैं (डाउनलोड लगभग 276 MB का है, जिसमें मॉडल और सभी 41 आवाज़ें शामिल हैं) और Apple MLX के ज़रिए GPU पर चलते हैं। यह मुफ़्त है, बिना इन-ऐप खरीदारी, बिना अकाउंट और बिना अक्षरों की सीमा के, छह भाषाओं में 41 आवाज़ों के साथ, और इसके लिए iPhone 12 या बाद के मॉडल पर iOS 18.2 चाहिए। सीमाएँ: स्क्रीन लॉक होने पर रियल-टाइम पढ़ना रुक जाता है, और आवाज़ें दर्जनों नहीं, छह भाषाओं में हैं।
आख़िरी जाँच: 1 अक्टूबर 2026
जब मॉडल लोकल हो, तो Kokoro TTS ऐप कैसा दिखता है
Kokoro को सुनने के ज़्यादातर तरीक़ों में ऐसी मशीन चाहिए जो आपकी नहीं है: लैपटॉप पर Python स्क्रिप्ट, किसी और के GPU पर चलता Space, या किसी key के पीछे होस्ट किया गया endpoint। Sandbook इसका उल्टा है। मॉडल फ़ाइल ऐप के अंदर रहती है, inference फ़ोन के अपने GPU पर चलता है, और ऑडियो कहीं और बनता ही नहीं।
इससे बदल जाता है कि ऐप क्या वादा कर सकता है। कुछ भी कतार में नहीं लगता, न गिना जाता है, न उसकी रफ़्तार सीमित की जाती है, क्योंकि दूसरी तरफ़ गिनने वाला कोई है ही नहीं। अक्षरों की कोई सीमा नहीं, क्योंकि कोई प्रति अक्षर भुगतान नहीं कर रहा। आप 400 पेज की किताब एयरप्लेन मोड में खोल सकते हैं, और वह ठीक वैसे ही चलती है जैसे Wi-Fi पर।
इससे यह भी बदलता है कि ऐप क्या नहीं कर सकता। नीचे इसी सौदे की ईमानदार तस्वीर है।
कंप्यूटर पर आप इंस्टॉल करने से पहले Kokoro को अपने ब्राउज़र में आज़मा सकते हैं: वही मॉडल और सभी 41 आवाज़ें टैब में ही चलती हैं, मुफ़्त, और आप जो टाइप करते हैं, वह अपलोड नहीं होता।
Apple MLX पर Kokoro-82M
इंजन Kokoro-82M है, ओपन-वेट TTS मॉडल, जिसे Apple MLX पर चलने के लिए पोर्ट किया गया है — MLX Apple का array framework है, जो Metal के ज़रिए डिवाइस के GPU पर चलता है। MLX की वजह से ही 82 मिलियन पैरामीटर वाला मॉडल — ALBERT जैसे टेक्स्ट एन्कोडर, LSTM duration predictor, prosody predictor और iSTFTNet vocoder के साथ — फ़ोन पर सिर्फ़ मुमकिन नहीं, बल्कि व्यावहारिक है।
टेक्स्ट को फ़ोनीम में बदला जाता है, वाक्यों की सीमा पर टुकड़ों में बाँटा जाता है, और दो वाक्य आगे की तैयारी के साथ वाक्य-दर-वाक्य आवाज़ बनती है। पहला वाक्य तैयार होते ही प्लेबैक शुरू हो जाता है और अगले वाक्य पीछे बनते रहते हैं, इसलिए अध्याय लगभग उतनी देर में शुरू हो जाता है जितनी देर अध्याय का शीर्षक पढ़ने में लगती है — कुछ भी सुनने से पहले पूरे दस्तावेज़ के तैयार होने का इंतज़ार नहीं।
गति 0.5× से 2.5× तक है, और यह मॉडल के अंदर ही, हर फ़ोनीम की अनुमानित अवधि बदलकर लागू होती है, तैयार ऑडियो को तेज़ करके नहीं। 2× पर भी आवाज़ तेज़ बोलते इंसान जैसी रहती है, कार्टून जैसी पतली नहीं होती।
276 MB के डाउनलोड में क्या-क्या आता है
वेट ऐप के अंदर से ही लोड होते हैं, इंटरनेट से नहीं लाए जाते। Sandbook जान-बूझकर बड़ा डाउनलोड है — लगभग 276 MB, जिसमें मॉडल और सभी 41 आवाज़ें शामिल हैं — और बदले में आपको यह मिलता है:
- kokoro-v1_0 वेट — 82 M पैरामीटर, पहली बार चलाने पर सीधे ऐप के अंदर से पढ़े जाते हैं।
- 41 वॉइस एम्बेडिंग: हर आवाज़ का एक style tensor, सब ऐप में शामिल, न कोई लॉक, न कोई ख़रीदनी पड़ती है।
- eSpeak NG का एक बिल्ड, टेक्स्ट को फ़ोनीम में बदलने के लिए, जो ऐप में framework के रूप में कंपाइल किया गया है।
इंस्टॉल के बाद इनमें से कुछ भी डाउनलोड नहीं होता, और चलते समय कुछ भी स्ट्रीम नहीं होता। मॉडल ऐप खुलते ही नहीं, बल्कि पहली बार प्ले दबाने पर लोड होता है, इसलिए भारी होने के बावजूद ऐप जल्दी खुलता है।
Sandbook मूल Kokoro से कहाँ अलग है
मूल Kokoro कई भाषाओं में आवाज़ें देता है। Sandbook में उनमें से छह हैं: en-us और en-gb (28 आवाज़ें), साथ में स्पेनिश, फ़्रेंच, इतालवी, ब्राज़ीलियाई पुर्तगाली और हिन्दी, कुल 41 Kokoro आवाज़ें। आप जो आवाज़ चुनते हैं, eSpeak NG उसी के साथ भाषा बदल लेता है, और अंग्रेज़ी टेक्स्ट की सफ़ाई (तारीख़ें, कीमतें, इकाइयाँ, संक्षिप्त नाम) सिर्फ़ अंग्रेज़ी आवाज़ों के लिए चलती है। iPhone पर, ऑफ़लाइन, हिन्दी, स्पेनिश, फ़्रेंच, इतालवी और पुर्तगाली में Kokoro की आवाज़ें — यही वह हिस्सा है जो कोई होस्टेड डेमो नहीं देता।
इंस्टॉल करने से पहले दो और सीमाएँ जान लें। स्क्रीन लॉक होने पर रियल-टाइम पढ़ना रुक जाता है: मॉडल GPU की असली मेमोरी इस्तेमाल करता है, और iOS पृष्ठभूमि में यह काम रोक देता है। आप किसी अध्याय का ऑडियो पहले से तैयार कर सकते हैं और फिर स्क्रीन लॉक रखकर सुन सकते हैं। और इसके लिए iPhone 12 या बाद के मॉडल, या A14 या M1 या बाद की चिप वाले iPad पर iOS 18.2 चाहिए, क्योंकि MLX को वही GPU फ़ैमिली चाहिए।
आवाज़ों को मिलाने, अपने style vector बनाने या उच्चारण डिक्शनरी की सुविधा भी नहीं है — गुणवत्ता का एक ही स्तर, हर आवाज़ के लिए 24 kHz पर वही 82 M मॉडल।
इसमें टेक्स्ट कैसे डालें
Files ऐप के पिकर से, “Sandbook में खोलें” से, या किसी भी ऐप की शेयर शीट से EPUB, PDF, TXT, RTF, Markdown या HTML इम्पोर्ट करें। लाइब्रेरी के + मेन्यू से या Safari से वेब पेज जोड़ें, और ऐप लेख रखकर मेन्यू, विज्ञापन और कुकी बैनर हटा देता है। कैमरे से छपे हुए पेज स्कैन करें, या कोई फ़ोटो चुनें, और टेक्स्ट की पहचान डिवाइस पर ही होती है। या टाइप करें, पेस्ट करें या क्लिपबोर्ड से पढ़ें।
किताबों में हल्के रंग वाले मौजूदा पैराग्राफ़ के अंदर शब्द-दर-शब्द हाइलाइट, अध्याय चुनने की सुविधा और किसी पैराग्राफ़ पर टैप करके वहीं से पढ़ने की सुविधा मिलती है, और वे उसी पैराग्राफ़ पर खुलती हैं जहाँ आप रुके थे। हर किताब अपनी आवाज़ और गति याद रखती है। रीडर टैब का टेक्स्ट शेयर शीट के ज़रिए M4A फ़ाइल के रूप में एक्सपोर्ट भी किया जा सकता है।
Kokoro TTS के बारे में सवाल
क्या यह वही Kokoro है जो ओपन-सोर्स मॉडल है?
हाँ। Sandbook Kokoro-82M चलाता है — वही प्रकाशित ओपन-वेट मॉडल, वही आर्किटेक्चर, वही 82 मिलियन पैरामीटर — जिसे iPhone और iPad के GPU पर Apple MLX के तहत चलने के लिए बदला गया है। यह दोबारा रिकॉर्ड की गई नकल नहीं है, और न ही Kokoro के नाम से कोई दूसरा मॉडल। Kokoro का श्रेय और आभार ऐप की सेटिंग्ज़ स्क्रीन में दिया गया है।
क्या ऐप पहली बार खुलने पर मॉडल डाउनलोड करता है?
नहीं। मॉडल के वेट ऐप के अंदर ही आते हैं, इसीलिए डाउनलोड बड़ा है। इंस्टॉल के बाद Sandbook न मॉडल, न कोई आवाज़ और न कोई फ़ोनीम टेबल इंटरनेट से लाता है। पढ़ना, आवाज़ बनाना, स्कैन करना और एक्सपोर्ट, सब ऑफ़लाइन चलते हैं; सिर्फ़ वेब पेज जोड़ने के लिए इंटरनेट चाहिए।
क्या मैं Kokoro की अंग्रेज़ी के अलावा दूसरी भाषाओं की आवाज़ें इस्तेमाल कर सकता हूँ?
हाँ, Sandbook 1.0.4 से, स्पेनिश, फ़्रेंच, इतालवी, ब्राज़ीलियाई पुर्तगाली और हिन्दी के लिए। Sandbook में Kokoro की 41 आवाज़ें हैं: 28 अमेरिकी और ब्रिटिश अंग्रेज़ी में, साथ में 3 स्पेनिश, 1 फ़्रेंच, 2 इतालवी, 3 ब्राज़ीलियाई पुर्तगाली और 4 हिन्दी (Alpha, Beta, Omega और Psi)। आवाज़ ही भाषा तय करती है, और हर किताब अपनी आवाज़ याद रखती है। दूसरी भाषाओं की आवाज़ें शामिल नहीं हैं।
रफ़्तार में डिवाइस पर चलने वाला Kokoro सर्वर के मुक़ाबले कैसा है?
आवाज़ वाक्य-दर-वाक्य बनती है और आगे के वाक्य पहले से तैयार होते रहते हैं, इसलिए ऑडियो पूरे दस्तावेज़ के बाद नहीं, पहले वाक्य के बाद ही शुरू हो जाता है। असल में एक पैराग्राफ़ लगभग तुरंत बोलना शुरू कर देता है और आवाज़ बनना प्लेबैक से आगे रहता है। इंतज़ार करने के लिए कोई कतार ही नहीं है।
इसके लिए कौन-सा हार्डवेयर चाहिए?
iPhone 12 या उसके बाद का मॉडल, या A14 या M1 या उसके बाद की चिप वाला iPad, और iOS 18.2 या बाद का वर्शन। मॉडल MLX के ज़रिए GPU पर चलता है, जिसके लिए A14 के साथ आई GPU फ़ैमिली ज़रूरी है, इसलिए पुराने iPhone ये आवाज़ें नहीं बना सकते। यह iOS 17 पर नहीं चलता।
Kokoro TTS, आपके अपने डिवाइस पर
अगर आप Kokoro TTS चलाने के लिए लैपटॉप, Colab notebook या होस्टेड endpoint के अलावा कोई जगह ढूँढ रहे थे, तो यह वह Kokoro TTS ऐप है जो पूरा मॉडल — और उससे पढ़ी जाने वाली हर चीज़ — आपके अपने डिवाइस पर रखता है। छह भाषाओं में 41 आवाज़ें, सिर्फ़ iPhone और iPad के लिए, मुफ़्त, और अंदर ख़रीदने को कुछ नहीं।
iOS 18.2 या बाद का वर्शन · iPhone 12 या बाद का मॉडल और iPad