Sandbook

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 iOS के लिए मुफ़्त Kokoro TTS ऐप है, जो iPhone और iPad पर चलता है। पूरा Kokoro-82M मॉडल — सभी 82 मिलियन पैरामीटर — सभी 41 आवाज़ों के साथ डाउनलोड में ही शामिल है और आपके डिवाइस पर ही चलता है। न कोई सर्वर कॉल, न API key, न अकाउंट। अंग्रेज़ी, स्पेनिश, फ़्रेंच, इतालवी, ब्राज़ीलियाई पुर्तगाली और हिन्दी में 41 आवाज़ें और 24 kHz आउटपुट।

iOS 18.2 या बाद का वर्शन · iPhone XS / XR या बाद का मॉडल · A12 या बाद की चिप वाला iPad · M1 या बाद की चिप वाला Mac (macOS 15.2) · बिना अकाउंट

iPhone पर Sandbook का रीडर निर्मला पढ़ते हुए, मौजूदा पैराग्राफ़ हल्के रंग में; नीचे प्लेयर: प्रगति, स्लीप टाइमर, 1.0× गति और Alpha आवाज़।
रीडर: मौजूदा पैराग्राफ़ हल्के रंग में, आवाज़ और गति एक टैप दूर।

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 सभी 41 आवाज़ों के साथ डाउनलोड में शामिल हैं और डिवाइस पर ही चलते हैं। यह मुफ़्त है, बिना इन-ऐप खरीदारी, बिना अकाउंट और बिना अक्षरों की सीमा के, छह भाषाओं में 41 आवाज़ों के साथ, स्क्रीन लॉक होने पर भी पढ़ता रहता है, और इसके लिए iPhone XS, iPhone XR या बाद के मॉडल पर iOS 18.2 चाहिए। मुख्य सीमा: आवाज़ें दर्जनों नहीं, छह भाषाओं में हैं।

आख़िरी जाँच: 26 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, Colab notebook, किसी और के GPU पर चलता Space, या किसी key के पीछे होस्ट किया गया endpoint। Sandbook में मॉडल फ़ाइल ऐप के अंदर रहती है और inference ख़ुद फ़ोन पर चलता है, इसलिए कुछ भी कतार में नहीं लगता, न गिना जाता है, न उसकी रफ़्तार सीमित की जाती है, और अक्षरों की कोई सीमा नहीं है। 400 पेज की किताब एयरप्लेन मोड में ठीक वैसे ही खुलती है जैसे Wi-Fi पर।

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।

iOS पर Kokoro TTS, ऑफ़लाइन

Sandbook एक टेक्स्ट टू स्पीच ऐप है जो Kokoro TTS को किसी सर्वर के बिना चलाता है। मॉडल और सभी 41 आवाज़ें इंस्टॉल के साथ ही आ जाती हैं: एयरप्लेन मोड चालू करें — किताबें, PDF, स्कैन किए पेज और पेस्ट किया टेक्स्ट तब भी पढ़कर सुनाए जाते हैं, बिना अकाउंट, बिना API key और बिना किसी अपलोड के।

  • iPhone और iPad: iPhone XS, iPhone XR या बाद के मॉडल पर iOS 18.2 या बाद का वर्शन, या A12 या उसके बाद की चिप वाला iPad; यह iOS 17 पर नहीं चलता। यह स्क्रीन लॉक होने पर भी पढ़ता रहता है, बिना कुछ पहले से तैयार किए।
  • क्या Mac के लिए कोई Kokoro TTS ऐप है? हाँ: Mac के लिए Sandbook वही मॉडल और वही आवाज़ें Apple silicon वाले Mac पर (macOS 15.2 या उसके बाद का वर्शन) नेटिव रूप से, ऑफ़लाइन चलाता है।

Core ML पर Kokoro-82M, iPhone, iPad और Mac पर

इंजन Kokoro-82M है, ओपन-वेट TTS मॉडल, जो हर डिवाइस पर CPU पर Core ML मॉडल के रूप में चलता है; इसी वजह से यह लॉक के पीछे भी पढ़ता रहता है। आप जो सुन रहे हैं उससे आगे-आगे वाक्य-दर-वाक्य आवाज़ बनती है, इसलिए अध्याय लगभग उतनी देर में शुरू हो जाता है जितनी देर अध्याय का शीर्षक पढ़ने में लगती है। गति 0.5× से 2.5× तक है और मॉडल के अंदर ही लागू होती है: 2× पर भी आवाज़ तेज़ बोलते इंसान जैसी रहती है, कार्टून जैसी पतली नहीं होती।

इंजन कैसे काम करता है: मॉडल, पाइपलाइन और कैश

Kokoro-82M 82 मिलियन पैरामीटर वाला नेटवर्क है, जिसमें ALBERT जैसा टेक्स्ट एन्कोडर, LSTM duration predictor, prosody predictor और iSTFTNet vocoder हैं। Sandbook इसे CPU पर Core ML मॉडल के रूप में चलाता है, iPhone और iPad पर अक्टूबर 2026 से और Mac पर नवंबर 2026 से, ऐप सामने खुला हो या स्क्रीन लॉक हो, दोनों में, क्योंकि iOS किसी ऐप को बैकग्राउंड में GPU इस्तेमाल नहीं करने देता। उससे पहले दोनों ऐप इसे Apple MLX, Apple के array framework, पर Metal के ज़रिए GPU पर चलाते थे। हर डिवाइस पर आवाज़ें वही 41 हैं।

टेक्स्ट को फ़ोनीम में बदला जाता है, वाक्यों की सीमा पर टुकड़ों में बाँटा जाता है, और वाक्य-दर-वाक्य आवाज़ बनती है। पहला वाक्य तैयार होते ही प्लेबैक शुरू हो जाता है और अगले वाक्य पीछे बनते रहते हैं — कुछ भी सुनने से पहले पूरे दस्तावेज़ के तैयार होने का इंतज़ार नहीं।

गति हर फ़ोनीम की अनुमानित अवधि बदलकर लागू होती है, तैयार ऑडियो को तेज़ करके नहीं। जो हिस्सा आप उसी आवाज़ और उसी गति में पहले सुन चुके हैं, वह दोबारा बनने के बजाय डिवाइस पर सहेजे ऑडियो से तुरंत चलता है। अंग्रेज़ी में बहुत लंबे वाक्य भी पूरे पढ़े जाते हैं।

iPhone पर Kokoro कितना तेज़ है?

iPhone 15 पर, नया अध्याय खोलकर प्ले दबाने के लगभग 2.5 सेकंड बाद आवाज़ शुरू हुई, और उसके बाद पैराग्राफ़ असल समय से 3–6 गुना तेज़ी से बने। ये आँकड़े अक्टूबर 2026 में पढ़ने के एक ही सेशन से हैं, जो ऐप के अपने लॉग से लिए गए हैं, पुराने MLX इंजन के साथ, iPhone ऐप के Core ML पर आने से पहले; यह कोई बेंचमार्क सूट नहीं है, और ऐप्स अब जिस Core ML इंजन का इस्तेमाल करते हैं, उसके आँकड़े अभी प्रकाशित नहीं हुए हैं। पुराने समर्थित iPhone, iPhone XS और XR तक, इससे धीमे हैं; हर एक पर प्लेबैक पहले वाक्य के बाद शुरू हो जाता है और बाक़ी हिस्सा पीछे बनता रहता है।

माप: पैराग्राफ़-दर-पैराग्राफ़ और चरण-दर-चरण

पहला पैराग्राफ़, यानी 13.8 सेकंड का ऑडियो, 2.4 सेकंड में बना। उसके बाद: 2.9 सेकंड का ऑडियो 0.9 सेकंड में, 13.6 सेकंड का 2.4 में और 2.2 सेकंड का 0.6 में। पढ़ते समय मॉडल लगभग 220 MB के साथ मेमोरी में बना रहा, और ऐप खुलने पर एक छोटा वॉर्म-अप होता है, लगभग एक सेकंड की आवाज़ बनाना, ताकि पहला वाक्य जल्दी आए।

चरणiPhone 15 पर मापा गया
फ़ोनीम में बदलनालगभग 0.01 सेकंड
टेक्स्ट एन्कोडर0.05–0.09 सेकंड
Duration predictor0.2–0.5 सेकंड
Prosody predictor0.2–0.5 सेकंड
डिकोडर (vocoder)0.3–1.3 सेकंड
हर चरण में एक वाक्य पर लगा समय, अक्टूबर 2026 में iPhone 15 (A16) पर पुराने MLX इंजन के साथ मापा गया, जब मॉडल के चरण GPU पर चलते थे। Mac ऐप नवंबर 2026 तक यही पाइपलाइन चलाता था।

डाउनलोड में क्या-क्या आता है

Sandbook जान-बूझकर बड़ा डाउनलोड है: मॉडल और सभी 41 आवाज़ें इसी में शामिल हैं, और ऐप के अंदर से ही लोड होते हैं, इंटरनेट से नहीं लाए जाते। इंस्टॉल के बाद कुछ भी डाउनलोड नहीं होता, और चलते समय कुछ भी स्ट्रीम नहीं होता।

  • kokoro-v1_0 वेट — 82 M पैरामीटर, iPhone, iPad और Mac पर Core ML मॉडल के रूप में।
  • 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।

Sandbook मूल Kokoro से कहाँ अलग है

  • छह भाषाएँ, सारी नहीं। मूल Kokoro कई भाषाओं में आवाज़ें देता है। Sandbook में en-us और en-gb (28 आवाज़ें), साथ में स्पेनिश, फ़्रेंच, इतालवी, ब्राज़ीलियाई पुर्तगाली और हिन्दी हैं, कुल 41 Kokoro आवाज़ें, iPhone पर, ऑफ़लाइन। 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।
  • आवाज़ों को मिलाने या अपने style vector बनाने की सुविधा नहीं। गुणवत्ता का एक ही स्तर, हर आवाज़ के लिए 24 kHz पर वही 82 M मॉडल। आप यह ज़रूर बदल सकते हैं कि कोई नाम या शब्द कैसे बोला जाए, किसी एक किताब के लिए या हर किताब के लिए।

इसमें टेक्स्ट कैसे डालें

  • फ़ाइलें: EPUB, PDF, Word, TXT, RTF, Markdown या HTML, Files ऐप के पिकर से, “Sandbook में खोलें” से, या किसी भी ऐप की शेयर शीट से।
  • वेब पेज: “लिंक पेस्ट करें” से, या Safari, Chrome या किसी दूसरे ऐप की शेयर शीट में “Sandbook में सहेजें” से वेब पेज जोड़ें; ऐप लेख रखकर मेन्यू, विज्ञापन और कुकी बैनर हटा देता है।
  • काग़ज़ और तस्वीरें: कैमरे से छपे हुए पेज स्कैन करें, या कोई फ़ोटो चुनें, और टेक्स्ट की पहचान डिवाइस पर ही होती है।
  • आपका अपना टेक्स्ट: टाइप करें, पेस्ट करें या क्लिपबोर्ड से पढ़ें।
iPhone पर Sandbook का इम्पोर्ट पेज: “लिंक पेस्ट करें”, “फ़ाइल इम्पोर्ट करें”, “पृष्ठ स्कैन करें”, “फ़ोटो से टेक्स्ट”, “क्लासिक किताबें देखें”, “टेक्स्ट लिखें” और “टेक्स्ट पेस्ट करें”, और नीचे समर्थित फ़ॉर्मैट: EPUB, TXT, PDF, RTF, Word (.docx), Markdown और HTML
अंदर लाने के सारे रास्ते एक पेज पर: लिंक, फ़ाइल, स्कैन, या आपका टाइप या पेस्ट किया टेक्स्ट।

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 के साथ। कोई अध्याय या पूरी किताब अध्याय-चिह्नों, कवर और शीर्षक के साथ एक M4A फ़ाइल के रूप में एक्सपोर्ट होती है, और “टेक्स्ट लिखें” का टेक्स्ट भी।

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 डिवाइस पर CPU पर Core ML से चलने के लिए बदला गया है, iPhone, iPad और Mac पर एक ही इंजन से। 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, 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: स्पेनिश, फ़्रेंच, इतालवी, पुर्तगाली या हिन्दी की किताब अपने-आप उसी भाषा की आवाज़ में खुलती है; आप आवाज़ बदल सकते हैं, और किताब आपकी पसंद 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।

बोलना शुरू होने में कितना समय लगता है?

iPhone 15 पर, नया अध्याय खोलकर प्ले दबाने के लगभग 2.5 सेकंड बाद; यह अक्टूबर 2026 में पुराने MLX इंजन के साथ मापा गया था, iPhone ऐप के Core ML पर आने से पहले; Core ML इंजन के आँकड़े अभी प्रकाशित नहीं हुए हैं। Sandbook पहला वाक्य बनाता है, उसे चलाना शुरू करता है और बाक़ी पीछे तैयार करता रहता है, इसलिए अध्याय लंबा होने से इंतज़ार नहीं बढ़ता। पुराने समर्थित iPhone, iPhone XS और XR तक, ज़्यादा समय लेते हैं।

इसके लिए कौन-सा हार्डवेयर चाहिए?

iPhone और iPad पर: iPhone XS, iPhone XR या उसके बाद का मॉडल, या A12 या उसके बाद की चिप वाला iPad, और iOS 18.2 या बाद का वर्शन। Mac पर: Apple silicon (M1 या उसके बाद की चिप) और macOS 15.2 या उसके बाद का वर्शन; Intel Mac नहीं। हर समर्थित डिवाइस पर वही 41 आवाज़ें हैं; नए डिवाइस बस ऑडियो जल्दी तैयार करते हैं। यह iOS 17 पर नहीं चलता।

क्या iOS के लिए कोई Kokoro TTS ऐप है?

हाँ: Sandbook, जो iPhone और iPad के लिए App Store पर मुफ़्त है। इसमें Kokoro-82M और सभी 41 आवाज़ें शामिल हैं, जो डिवाइस पर ही चलती हैं, और यह पहली बार खोलने से ही ऑफ़लाइन काम करता है, एयरप्लेन मोड में भी। आप जो पढ़ते हैं वह कभी आपके डिवाइस से बाहर नहीं जाता। इसके लिए iPhone XS, iPhone XR या बाद के मॉडल पर iOS 18.2 चाहिए; यह iOS 17 पर नहीं चलता। यह उसी मुफ़्त लिस्टिंग में Mac का नेटिव ऐप भी है, जिसके लिए Apple silicon (M1 या उसके बाद की चिप) और macOS 15.2 या उसके बाद का वर्शन चाहिए।

क्या Mac के लिए कोई Kokoro TTS ऐप है?

हाँ: Mac के लिए Sandbook, iPhone ऐप वाली उसी App Store लिस्टिंग में मुफ़्त। इसमें Kokoro-82M और सभी 41 आवाज़ें शामिल हैं, जो Mac पर Core ML से चलती हैं, वही इंजन जो iPhone और iPad पर है, और यह ऑफ़लाइन काम करता है। इसके लिए Apple silicon (M1 या उसके बाद की चिप) वाला Mac और macOS 15.2 या उसके बाद का वर्शन चाहिए; Intel Mac समर्थित नहीं हैं।

स्रोत

  1. Kokoro-82M का मॉडल कार्ड (hexgrad), आवाज़ों की सूची के साथ — Hugging Face · 11 नवंबर 2026 को देखा गया
  2. Apache License 2.0, जिसके तहत Kokoro-82M प्रकाशित है — apache.org · 11 नवंबर 2026 को देखा गया

Kokoro TTS, आपके अपने डिवाइस पर

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, iPhone, iPad और Mac (Apple silicon) पर, मुफ़्त, और अंदर ख़रीदने को कुछ नहीं।

iOS 18.2 या बाद का वर्शन · iPhone XS / XR या बाद का मॉडल · A12 या बाद की चिप वाला iPad · M1 या बाद की चिप वाला Mac (macOS 15.2)

या पहले ब्राउज़र में आवाज़ें आज़माएँ