अंग्रेज़ी से अनुवादित। मूल पेज देखें
Kokoro TTS online: मुफ़्त, और पूरी तरह आपके ब्राउज़र में
Kokoro TTS online free: टेक्स्ट लिखिए या कोई EPUB, PDF, Word या टेक्स्ट फ़ाइल इंपोर्ट कीजिए, छह भाषाओं की 41 Kokoro आवाज़ों में से एक चुनिए, और उसे यहीं पढ़ते हुए सुनिए। आपका टेक्स्ट और ऑडियो कभी आपके ब्राउज़र से बाहर नहीं जाते।
संक्षेप में
क्या मैं Kokoro TTS online मुफ़्त में इस्तेमाल कर सकता हूँ?
हाँ। यह पेज ओपन-वेट टेक्स्ट-टू-स्पीच मॉडल Kokoro-82M को आपके ब्राउज़र टैब के अंदर चलाता है, मुफ़्त और बिना अकाउंट। इसमें वे सभी 41 आवाज़ें हैं जो Sandbook में आती हैं, अंग्रेज़ी, स्पेनिश, फ़्रेंच, इतालवी, ब्राज़ीली पुर्तगाली और हिन्दी में। टाइप किया गया टेक्स्ट एक बार में 1,500 अक्षर तक लिया जाता है, WAV डाउनलोड के साथ; इंपोर्ट की गई EPUB, PDF, Word या टेक्स्ट फ़ाइल, चाहे कितनी भी लंबी हो, फ़ुल-स्क्रीन रीडर में खुलती है और किसी भी वाक्य से पढ़कर सुनाई जाती है। आपका टेक्स्ट और ऑडियो कभी आपके ब्राउज़र से बाहर नहीं जाते, क्योंकि आवाज़ आपके अपने डिवाइस पर बनती है।
आख़िरी जाँच: 11 नवंबर 2026
यह कैसे काम करता है
- अपना टेक्स्ट लिखिए या पेस्ट कीजिए, या फ़ाइल इंपोर्ट कीजिए: EPUB, PDF, Word (.docx), Markdown, HTML या सादा टेक्स्ट।
- भाषा और आवाज़ चुनिए। आवाज़ चुनने वाले बॉक्स के बगल का प्ले बटन कुछ भी लोड किए बिना एक रिकॉर्ड किया गया नमूना सुना देता है।
- शुरू करें दबाइए। आपका ब्राउज़र Kokoro-82M मॉडल एक बार डाउनलोड करके अपने कैश में रख लेता है; उसके बाद सब कुछ इसी टैब में होता है। पहला वाक्य तैयार होते ही बजने लगता है, अगले वाक्य उसके पीछे बनते रहते हैं, और नतीजा डाउनलोड के लिए एक WAV होता है।
इंपोर्ट की गई फ़ाइल इसी ब्राउज़र टैब में खुलती है; कुछ भी अपलोड नहीं होता। वह फ़ुल-स्क्रीन रीडर में खुलती है, और EPUB के अध्याय “विषय-सूची” में आते हैं। किसी भी वाक्य पर टैप कीजिए और टूल वहीं से पढ़कर सुनाने लगता है; जो वाक्य पढ़ा जा रहा है वह हाइलाइट रहता है, और आप किसी भी समय रोक सकते हैं या किसी दूसरे वाक्य पर टैप कर सकते हैं।
अंदर क्या होता है: वाक्य, फ़ोनेमाइज़र, बैकग्राउंड वर्कर
मॉडल आपके अपने कंप्यूटर पर चलता 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। इन्फ़रेंस एक बैकग्राउंड वर्कर में चलता है, इसलिए पेज अटकता नहीं।
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 हिन्दी 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।
इंपोर्ट की गई फ़ाइल के लिए टूल आपके सुने जा रहे हिस्से से बस एक-दो वाक्य आगे तक ही आवाज़ बनाता है, इसलिए पूरी किताब को कभी एक साथ तैयार नहीं करना पड़ता।
यही इंजन चार और पेजों पर एक-एक काम के लिए तैयार है: टेक्स्ट पढ़कर सुनाना, ऑनलाइन EPUB रीडर, PDF पढ़कर सुनाना और अपना निबंध पढ़वाकर सुनना।
Hindi text to voice, Hindi text to speech: यह टूल क्या बनाता है
अगर आप Hindi text to voice या Hindi text to speech टूल ढूँढ रहे हैं, तो यह वही है। 1,500 अक्षरों तक का टेक्स्ट लिखिए या पेस्ट कीजिए, 41 आवाज़ों में से एक चुनिए (हिन्दी की चार हैं: Alpha, Beta, Omega और Psi) और आवाज़ बनाएँ दबाइए: टेक्स्ट आपके ब्राउज़र में आवाज़ बन जाता है, और WAV डाउनलोड करें उसे 24 kHz मोनो फ़ाइल बनाकर सेव करता है, जिसे हर वीडियो या ऑडियो एडिटर खोल लेता है। एक बार से लंबी स्क्रिप्ट हिस्सों में बनाइए और फ़ाइलें अपने एडिटर में जोड़ लीजिए।
सीधे शब्दों में यह मुफ़्त Hindi voice generator है: आवाज़ें AI की बनाई और सिंथेटिक हैं, न साइन-अप है, न क्रेडिट का मीटर, और Kokoro-82M का Apache-2.0 लाइसेंस व्यावसायिक इस्तेमाल की अनुमति देता है। यह न आवाज़ क्लोन करता है, न किसी व्यक्ति की नकल।
क्या उम्मीद करें: WebGPU या CPU
इंजन टूल आपके लिए खुद चुनता है:
- 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, Edge और Safari में WebGPU है।
- 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: पहला वाक्य 10 से 15 सेकंड बाद, और उसी पैराग्राफ़ के लिए 20 से 40 सेकंड की उम्मीद कीजिए।
- फ़ोन: ज़्यादातर फ़ोन 163 MB वाला CPU मॉडल एक बार डाउनलोड करते हैं; कम मेमोरी वाले फ़ोन 92 MB वाला मॉडल पाते हैं। यह नए फ़ोन पर चलता है और कंप्यूटर से धीमा है, वाक्यों के बीच ठहराव के साथ।
दोनों ही तरह, दूसरी बार डाउनलोड नहीं होता: मॉडल कुछ ही सेकंड में ब्राउज़र कैश से लोड हो जाता है।
इंजन की बारीकियाँ: मॉडल की प्रिसिज़न, फ़ोन की मेमोरी, बीच में रुका डाउनलोड
- कोई क्वालिटी सेटिंग नहीं है जिसे गलत चुना जा सके: WebGPU पर टूल हमेशा पूरा मॉडल इस्तेमाल करता है, क्योंकि छोटे क्वांटाइज़्ड मॉडल वहाँ बिगड़ी हुई आवाज़ बनाते हैं।
- CPU पर रफ़्तार आपके प्रोसेसर के हिसाब से बदलती है। कंप्यूटर पर, चलते समय टैब में लगभग 1 GB मेमोरी मानकर चलिए।
- फ़ोन CPU मॉडल को एक हल्के सेटअप में चलाते हैं जो ब्राउज़र से कम मेमोरी माँगता है और छोटे-छोटे टुकड़ों में बोलता है। आवाज़ जितनी तेज़ी से बजती है उससे धीमे बनती है। जिन ब्राउज़र में इंजन चलते समय टैब बंद हो गया था, वे भी 92 MB वाला मॉडल पाते हैं।
- डाउनलोड बीच में रुक जाए, तो वह वहीं से आगे बढ़ता है जहाँ रुका था। 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।
छह भाषाएँ, 41 आवाज़ें
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)।
- ब्राज़ीली पुर्तगाली: 3 आवाज़ें (Dora, Alex, Santa)।
- हिन्दी: 4 आवाज़ें (Alpha, Beta, Omega, Psi)।
ऐप की बीटा आवाज़ें भी यहाँ हैं, फ़्रेंच, स्पेनिश, इतालवी, ब्राज़ीलियाई पुर्तगाली, हिन्दी और ब्रिटिश अंग्रेज़ी में। हर एक अपनी भाषा की आवाज़ों के बाद आती है, उस पर “(beta)” लिखा होता है, और टूल कभी अपने-आप कोई बीटा आवाज़ नहीं चुनता। बीटा आवाज़ें अपडेट के साथ बदल सकती हैं।
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 तेज़ आवाज़ भी किसी तेज़ बोलते इंसान जैसी ही लगती है।
डाउनलोड, इस्तेमाल के अधिकार और सीमाएँ
- डाउनलोड। टाइप किए गए टेक्स्ट से 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। इंपोर्ट किए गए दस्तावेज़ पेज में ही पढ़कर सुनाए जाते हैं और उनका ऑडियो डाउनलोड नहीं होता।
- 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। टाइप किया गया टेक्स्ट: हर बार 1,500 अक्षर तक, यानी लगभग डेढ़ मिनट की आवाज़। इंपोर्ट की गई फ़ाइलें: किसी भी लंबाई की; स्कैन किए गए PDF (बिना टेक्स्ट लेयर) और DRM से सुरक्षित किताबें नहीं पढ़ी जा सकतीं।
- फ़ोन। यह टूल कंप्यूटर पर सबसे अच्छा चलता है। नए फ़ोन पर भी यह चलता है, पर धीमे, और पुराने फ़ोन में इसके लिए मेमोरी कम पड़ सकती है; ऐसा लगने पर टूल डाउनलोड से पहले बता देता है। फ़ोन लॉक होने या टैब के बैकग्राउंड में जाने पर पढ़ना रुक जाता है।
- प्राइवेसी। आपका टेक्स्ट और ऑडियो कभी आपके ब्राउज़र से बाहर नहीं जाते। आप जो फ़ाइल इंपोर्ट करते हैं वह आपके डिवाइस पर ही खुलती है और अपलोड नहीं होती। टूल सिर्फ़ ये फ़ाइलें लाता है: मॉडल, आपकी चुनी हुई आवाज़, गैर-अंग्रेज़ी आवाज़ों के लिए फ़ोनेमाइज़र, और जिस तरह की फ़ाइल आप इंपोर्ट करते हैं उसका रीडर।
ओपन-सोर्स क्रेडिट और लाइसेंस
यह टूल ओपन-सोर्स सॉफ़्टवेयर पर बना है: Kokoro-82M (Apache-2.0), ONNX Runtime Web (MIT), Transformers.js (Apache-2.0), kokoro-js (Apache-2.0), eSpeak NG (GPL-3.0), PDF.js (Apache-2.0) और fflate (MIT)। Siwis और फ़्रेंच बीटा आवाज़ें SIWIS फ़्रेंच स्पीच कॉर्पस (CC BY 4.0) पर आधारित हैं।
क्या आप यह iPhone या Mac पर ऑफ़लाइन चाहते हैं?
यह पेज मॉडल का एक डेमो है। Sandbook असली ऐप है: यह वही Kokoro-82M मॉडल iPhone, iPad और Mac पर चलाता है, पूरी तरह ऑफ़लाइन, सभी 41 आवाज़ों के साथ और बिना लंबाई की सीमा के। यह EPUB किताबें और PDF (स्कैन किए हुए भी, जो यह पेज नहीं पढ़ सकता), वेब पेज और (iPhone व iPad पर) कैमरे से स्कैन किए पेज पढ़कर सुनाता है, बोले जा रहे हर शब्द को हाइलाइट करता है, याद रखता है कि आप कहाँ रुके थे, और किसी अध्याय या पूरी किताब को एक M4A फ़ाइल में एक्सपोर्ट करता है। मुफ़्त, बिना अकाउंट और बिना कुछ खरीदे। इसके लिए iOS 18.2 वाला iPhone XS, iPhone XR या उसके बाद का मॉडल, या Apple silicon (M1 या उसके बाद की चिप) और macOS 15.2 वाला Mac चाहिए।
- फ़ोन पर मॉडल कैसे चलता है: iPhone के लिए Kokoro TTS ऐप।
- अगर आपको बस फ़ोन से स्क्रीन पढ़वानी है: iPhone की अपनी सेटिंग्ज़ से टेक्स्ट टू स्पीच।
- Speechify, NaturalReader और दूसरे रीडरों के मुकाबले Sandbook कैसा है: iPhone रीडर के विकल्पों में देखें।
iPhone, iPad और Mac · मुफ़्त, कोई इन-ऐप खरीदारी नहीं
Kokoro TTS online से जुड़े सवाल
क्या यह Kokoro TTS online टूल सच में मुफ़्त है?
हाँ। न कोई अकाउंट, न साइन-अप, और न ही इसकी कोई सीमा कि आप कितनी बार आवाज़ बनाएँ। टाइप किए गए टेक्स्ट में हर बार 1,500 अक्षर तक लिए जाते हैं, और आप जितनी बार चाहें चला सकते हैं; इंपोर्ट की गई फ़ाइलों पर लंबाई की कोई सीमा नहीं है। इसे चलाने में कोई खर्च नहीं आता, क्योंकि मॉडल किसी सर्वर पर नहीं, आपके अपने डिवाइस पर चलता है।
क्या यह EPUB, PDF या Word फ़ाइल पढ़कर सुना सकता है?
हाँ। फ़ाइल इंपोर्ट करें दबाइए, या फ़ाइल को टूल पर छोड़ दीजिए, और EPUB, PDF, Word (.docx), Markdown, HTML या सादे टेक्स्ट की फ़ाइल चुनिए। फ़ाइल आपके ब्राउज़र में ही खुलती है, कभी अपलोड नहीं होती, और फ़ुल-स्क्रीन रीडर में दिखती है: किसी वाक्य पर टैप कीजिए और पढ़ना वहीं से शुरू हो जाता है, इसलिए पूरी किताब भी चल जाती है। बिना टेक्स्ट लेयर वाले स्कैन किए गए PDF और DRM से सुरक्षित किताबें नहीं पढ़ी जा सकतीं, और पूरे दस्तावेज़ों के लिए ऑडियो डाउनलोड नहीं है।
क्या यह Hindi text to voice generator है, और क्या इसकी ऑडियो फ़ाइल डाउनलोड हो सकती है?
हाँ। टाइप या पेस्ट किया गया टेक्स्ट, हर बार 1,500 अक्षर तक, 41 आवाज़ों में से किसी एक में आवाज़ में बदल जाता है, और हर नतीजा 24 kHz की WAV ऑडियो फ़ाइल के रूप में डाउनलोड होता है। Hindi text to speech के लिए हिन्दी की चार आवाज़ें हैं: Alpha, Beta, Omega और Psi। न साइन-अप है, न फ़ाइलों की संख्या पर कोई सीमा। डाउनलोड का अकेला फ़ॉर्मैट WAV है, और यह टूल आवाज़ क्लोन नहीं करता।
क्या मैं बनाई गई आवाज़ का व्यावसायिक इस्तेमाल कर सकता हूँ?
Kokoro-82M, Apache-2.0 लाइसेंस के तहत जारी हुआ है, जो व्यावसायिक इस्तेमाल की अनुमति देता है। यहाँ बनाए गए ऑडियो पर Sandbook कोई अधिकार नहीं जताता: WAV डाउनलोड कीजिए और उसे किसी वीडियो, कोर्स या प्रोडक्ट में इस्तेमाल कीजिए। आवाज़ें सिंथेटिक हैं, इसलिए इनमें किसी असली व्यक्ति की आवाज़ शामिल नहीं है।
मेरे कंप्यूटर पर यह धीमा क्यों है?
WebGPU के बिना यह टूल 92 MB का मॉडल WebAssembly के ज़रिए CPU पर चलाता है, जो रियल-टाइम से धीमा है: तेज़ लैपटॉप पर 40 शब्दों के पैराग्राफ़ में मोटे तौर पर 20 से 40 सेकंड लगते हैं, और पहला वाक्य 10 से 15 सेकंड बाद बजता है। WebGPU वाला ब्राउज़र, जैसे कंप्यूटर पर नया Chrome या Edge, पूरा मॉडल ग्राफ़िक्स कार्ड पर चलाता है और वही पैराग्राफ़ लगभग 3 सेकंड में बना देता है।
क्या यह iPhone या Android पर चलता है?
हाँ, नए फ़ोन पर चलता है, लेकिन कंप्यूटर से धीमा। ज़्यादातर फ़ोन 163 MB वाला CPU मॉडल एक बार डाउनलोड करते हैं (ब्राउज़र उसे अगली बार के लिए रख लेता है) और उसे एक हल्के सेटअप में चलाते हैं; कम मेमोरी वाले फ़ोन, और वे ब्राउज़र जिनमें आवाज़ का इंजन चलते समय टैब बंद हो गया था, छोटा 92 MB वाला मॉडल पाते हैं। दोनों ही तरह आवाज़ जितनी तेज़ी से बजती है उससे धीमे बनती है, इसलिए पहले वाक्य से पहले इंतज़ार और वाक्यों के बीच ठहराव की उम्मीद रखिए। जब तक यह काम कर रहा हो, स्क्रीन चालू और टैब सामने रखिए। पुराने फ़ोन में इसके लिए मेमोरी कम पड़ सकती है: ऐसा लगने पर टूल कुछ भी डाउनलोड करने से पहले बता देता है और आपको फिर भी आज़माने या रिकॉर्ड किए गए नमूने सुनने देता है। iPhone और iPad पर मुफ़्त Sandbook ऐप यही मॉडल सीधे डिवाइस पर, ज़्यादा तेज़ी से और ऑफ़लाइन चलाता है।
क्या यह ऑफ़लाइन चलता है?
कुछ हद तक। पहली बार लोड होने के बाद मॉडल की फ़ाइलें आपके ब्राउज़र में कैश हो जाती हैं, और आवाज़ टैब में ही बनती है, किसी सर्वर के बिना। पेज को खोलने के लिए फिर भी इंटरनेट चाहिए। iPhone, iPad या Mac पर पूरी तरह ऑफ़लाइन Kokoro TTS के लिए Sandbook ऐप इस्तेमाल कीजिए, जिसमें मॉडल साथ आता है।
स्रोत
- Kokoro-82M का मॉडल कार्ड (hexgrad), आवाज़ों की सूची के साथ — Hugging Face · 11 नवंबर 2026 को देखा गया
- Apache License 2.0, जिसके तहत Kokoro-82M प्रकाशित है — apache.org · 11 नवंबर 2026 को देखा गया