Kokoro TTS online, मुफ़्त और आपके ब्राउज़र में निजी

मॉडल आपके अपने कंप्यूटर पर चलता है, बाकी हिस्सा बनते-बनते पहला वाक्य सुना देता है, और डाउनलोड के लिए एक WAV देता है। जब आप शुरू करें दबाते हैं, तो आपका ब्राउज़र Kokoro-82M मॉडल एक बार डाउनलोड करके अपने कैश में रख लेता है। उसके बाद सब कुछ इसी टैब में होता है। आपका टेक्स्ट वाक्यों में बाँटा जाता है, हर वाक्य फ़ोनीम में बदला जाता है, और मॉडल उन फ़ोनीम को आपकी चुनी हुई आवाज़ में 24 kHz ऑडियो में बदल देता है। पहला वाक्य तैयार होते ही बजने लगता है, और अगले वाक्य उसके पीछे बनते रहते हैं।

अंग्रेज़ी टेक्स्ट Kokoro के अपने अंग्रेज़ी फ़ोनेमाइज़र से गुज़रता है, जो संख्याएँ, कीमतें और समय भी शब्दों में बोलता है। स्पेनिश, फ़्रेंच, इतालवी, पुर्तगाली और हिंदी eSpeak NG से गुज़रती हैं, वही फ़ोनेमाइज़र जिसे Kokoro इन भाषाओं के लिए इस्तेमाल करता है, और यह तभी लोड होता है जब आप इनमें से कोई आवाज़ चुनते हैं। इन्फ़रेंस एक बैकग्राउंड वर्कर में चलता है, इसलिए पेज अटकता नहीं।

इंजन टूल आपके लिए खुद चुनता है। कोई क्वालिटी सेटिंग नहीं है जिसे गलत चुना जा सके, क्योंकि छोटे क्वांटाइज़्ड मॉडल WebGPU पर बिगड़ी हुई आवाज़ बनाते हैं।

• WebGPU (ग्राफ़िक्स कार्ड): पूरी प्रिसिज़न वाला मॉडल, एक बार का 326 MB डाउनलोड। किसी नए लैपटॉप पर 40 शब्दों का पैराग्राफ़ लगभग 3 सेकंड लेता है और पहला वाक्य लगभग 1 सेकंड बाद बजता है। कंप्यूटर पर नए Chrome और Edge में WebGPU है; Apple कंप्यूटर पर Safari 26 में भी।
• CPU (WebAssembly): 8-बिट मॉडल, एक बार का 92 MB डाउनलोड, जो WebGPU उपलब्ध न होने पर इस्तेमाल होता है। यह रियल-टाइम से धीमा है: आपके प्रोसेसर के हिसाब से पहला वाक्य 10 से 15 सेकंड बाद, और उसी पैराग्राफ़ के लिए 20 से 40 सेकंड की उम्मीद कीजिए।

दोनों ही तरह, दूसरी बार डाउनलोड नहीं होता: मॉडल कुछ ही सेकंड में ब्राउज़र कैश से लोड हो जाता है। चलते समय टैब में 1 से 1.5 GB मेमोरी मानकर चलिए।

आवाज़ ही भाषा तय करती है। टूल में वही 41 आवाज़ें हैं जो Sandbook ऐप में हैं, ऐप के नामों और विवरणों के साथ:

• अंग्रेज़ी: 28 आवाज़ें, 20 अमेरिकी और 8 ब्रिटिश, जिनमें Heart, Bella, Michael, Emma और George शामिल हैं।
• स्पेनिश: 3 आवाज़ें (Dora, Alex, Santa)।
• फ़्रेंच: 1 आवाज़ (Siwis)।
• इतालवी: 2 आवाज़ें (Sara, Nicola)।
• ब्राज़ीलियाई पुर्तगाली: 3 आवाज़ें (Dora, Alex, Santa)।
• हिंदी: 4 आवाज़ें (Alpha, Beta, Omega, Psi)।

कुछ भी लोड किए बिना कोई आवाज़ सुनने के लिए आवाज़ चुनने वाले बॉक्स के बगल का प्ले बटन दबाइए, या सभी Kokoro आवाज़ के नमूने सुनिए। गति 0.5× से 2.0× तक है और मॉडल के अंदर ही लागू होती है, इसलिए तेज़ आवाज़ भी किसी तेज़ बोलते इंसान जैसी ही लगती है।

डाउनलोड। हर बार बना ऑडियो 24 kHz मोनो WAV फ़ाइल के रूप में सेव किया जा सकता है। MP3 और M4A एक्सपोर्ट अभी उपलब्ध नहीं है।

इस्तेमाल के अधिकार। Kokoro-82M, Apache-2.0 लाइसेंस के तहत प्रकाशित है, जो व्यावसायिक इस्तेमाल की अनुमति देता है। आप जो ऑडियो बनाते हैं वह आपका है; Sandbook उस पर कोई दावा नहीं करता।

सीमाएँ। हर बार 1,500 अक्षर तक, यानी लगभग डेढ़ मिनट की आवाज़। मॉडल को डेस्कटॉप जितनी मेमोरी चाहिए, इसलिए यह टूल कंप्यूटर के लिए बना है। हो सकता है फ़ोन में ब्राउज़र वाले वर्ज़न के लिए पर्याप्त मेमोरी न हो, और फ़ोन पर यह पेज कुछ भी लोड करने की पेशकश से पहले आवाज़ के नमूने दिखाता है। पहले डाउनलोड के तुरंत बाद टैब बंद करने से कभी-कभी ब्राउज़र कैश में लिखना पूरा नहीं कर पाता, और तब अगली बार मॉडल फिर से डाउनलोड होता है।

प्राइवेसी। सब कुछ आपके ब्राउज़र में ही रहता है। आपका टेक्स्ट और ऑडियो कभी इस टैब से बाहर नहीं जाते; टूल सिर्फ़ ये फ़ाइलें लाता है: मॉडल, आपकी चुनी हुई आवाज़ और, गैर-अंग्रेज़ी आवाज़ों के लिए, फ़ोनेमाइज़र। पेज यह गिनता है कि टूल कितनी बार इस्तेमाल हुआ, यह कभी नहीं कि आपने क्या लिखा।

यह पेज मॉडल का एक डेमो है। Sandbook असली ऐप है: यह वही Kokoro-82M मॉडल Apple MLX के ज़रिए iPhone और iPad पर चलाता है, पूरी तरह ऑफ़लाइन, सभी 41 आवाज़ों के साथ और बिना लंबाई की सीमा के। यह EPUB किताबें और PDF, वेब पेज और स्कैन किए गए पेज पढ़कर सुनाता है, बोले जा रहे हर शब्द को हाइलाइट करता है, और याद रखता है कि आप कहाँ रुके थे। मुफ़्त, बिना अकाउंट और बिना कुछ खरीदे। इसके लिए iOS 18.2 वाला iPhone 12 या उसके बाद का मॉडल चाहिए।

फ़ोन पर मॉडल कैसे चलता है, यह iPhone के लिए Kokoro TTS ऐप वाले पेज पर समझाया गया है। अगर आपको बस फ़ोन से स्क्रीन पढ़वानी है, तो iOS यह पहले से कर सकता है: iPhone की अपनी सेटिंग्ज़ से टेक्स्ट टू स्पीच। और Speechify, NaturalReader और दूसरे रीडरों के मुकाबले Sandbook कैसा है, यह iPhone रीडर के विकल्पों में देखें।