Kokoro TTS online, gratis e privato nel tuo browser

Il modello gira sul tuo computer, riproduce la prima frase mentre il resto viene generato e ti dà un WAV da scaricare. Quando premi Avvia, il browser scarica una volta sola il modello Kokoro-82M e lo conserva nella sua cache. Da quel momento tutto avviene in questa scheda. Il testo viene diviso in frasi, ogni frase viene trasformata in fonemi e il modello trasforma i fonemi in audio a 24 kHz con la voce che hai scelto. La prima frase parte appena è pronta, mentre le successive vengono generate dietro.

Il testo inglese passa dal fonetizzatore inglese di Kokoro, che legge anche per esteso numeri, prezzi e orari. Spagnolo, francese, italiano, portoghese e hindi passano da eSpeak NG, lo stesso fonetizzatore che Kokoro usa per queste lingue, caricato solo quando scegli una di quelle voci. L’inferenza gira in un worker in background, così la pagina resta reattiva.

Lo strumento sceglie il motore al posto tuo. Non c’è un’impostazione di qualità da sbagliare, perché i modelli quantizzati più piccoli producono una voce distorta su WebGPU.

• WebGPU (scheda grafica): il modello a piena precisione, un download unico da 326 MB. Su un portatile recente, un paragrafo di 40 parole richiede circa 3 secondi e la prima frase parte dopo circa 1 secondo. Chrome ed Edge aggiornati su un computer hanno WebGPU, e così Safari 26 su Mac.
• CPU (WebAssembly): il modello a 8 bit, un download unico da 92 MB, usato quando WebGPU non è disponibile. È più lento del tempo reale: aspettati la prima frase dopo 10-15 secondi e 20-40 secondi per lo stesso paragrafo, a seconda del processore.

In entrambi i casi, dalla seconda visita il download non serve più: il modello si carica dalla cache del browser in pochi secondi. Mentre gira, conta su 1-1,5 GB di memoria nella scheda.

È la voce a decidere la lingua. Lo strumento offre le stesse 41 voci dell’app Sandbook, con i nomi e le descrizioni dell’app:

• Inglese: 28 voci, 20 americane e 8 britanniche, tra cui Heart, Bella, Michael, Emma e George.
• Spagnolo: 3 voci (Dora, Alex, Santa).
• Francese: 1 voce (Siwis).
• Italiano: 2 voci (Sara, Nicola).
• Portoghese brasiliano: 3 voci (Dora, Alex, Santa).
• Hindi: 4 voci (Alpha, Beta, Omega, Psi).

Per ascoltare una voce senza caricare nulla, premi il pulsante di riproduzione accanto al selettore della voce, oppure ascolta tutti i campioni delle voci Kokoro. La velocità va da 0,5× a 2,0× ed è applicata dentro il modello, quindi una voce veloce suona comunque come una persona che parla in fretta.

Download. Ogni generazione si può salvare come file WAV mono a 24 kHz. L’esportazione in MP3 e M4A non è ancora disponibile.

Diritti d’uso. Kokoro-82M è pubblicato con licenza Apache-2.0, che consente l’uso commerciale. L’audio che generi è tuo; Sandbook non rivendica nulla.

Limiti. Fino a 1500 caratteri per generazione, circa un minuto e mezzo di parlato. Il modello richiede la memoria di un computer desktop, quindi lo strumento è pensato per i computer. I telefoni potrebbero non avere abbastanza memoria per la versione nel browser, e su un telefono la pagina mostra i campioni di voce prima di proporre di caricare qualcosa. Chiudere la scheda subito dopo il primo download può a volte impedire al browser di finire di scrivere la cache: in quel caso, alla visita successiva il modello viene scaricato di nuovo.

Privacy. Tutto resta nel tuo browser. Il testo e l’audio non lasciano mai questa scheda; gli unici file che lo strumento scarica sono il modello, la voce che scegli e, per le voci non inglesi, il fonetizzatore. La pagina conta quante volte viene usato lo strumento, mai cosa scrivi.

Questa pagina è una demo del modello. Sandbook è l’app: esegue lo stesso modello Kokoro-82M su iPhone e iPad con Apple MLX, completamente offline, con tutte le 41 voci e senza limiti di lunghezza. Legge ad alta voce libri EPUB e PDF, pagine web e pagine scansionate, evidenzia ogni parola mentre viene pronunciata e ricorda dove ti sei fermato. Gratis, senza account e senza nulla da comprare. Richiede un iPhone 12 o successivo con iOS 18.2.

Come il modello gira su un telefono è spiegato nella pagina app Kokoro TTS per iPhone. Se ti serve solo che il telefono legga ad alta voce lo schermo, iOS lo fa già: sintesi vocale su iPhone con le impostazioni integrate. E per vedere come si confronta Sandbook con Speechify, NaturalReader e gli altri lettori, c’è la pagina delle alternative per leggere ad alta voce su iPhone.