Sandbook

Traduzido do inglês. Ver original

Kokoro TTS · No dispositivo

Kokoro TTS, rodando inteiro no seu iPhone

Kokoro TTS no iPhone e no iPad: o Sandbook é um app grátis de Kokoro TTS para iOS. O modelo Kokoro-82M inteiro, com todos os 82 milhões de parâmetros, vem no download com todas as 41 vozes e roda no seu dispositivo. Não há chamada a servidor, chave de API nem conta. São 41 vozes em inglês, espanhol, francês, italiano, português do Brasil e hindi, com saída em 24 kHz.

iOS 18.2 ou posterior · iPhone XS / XR ou posterior · iPad com A12 ou posterior · Mac com M1 e macOS 15.2 · Sem conta

O leitor do Sandbook em um iPhone lendo Dom Casmurro, com o parágrafo atual destacado e, embaixo, o player: progresso, timer, velocidade 1,0× e a voz Dora.
O leitor: parágrafo atual destacado, voz e velocidade a um toque.

Em resumo

Existe um app de Kokoro TTS para iPhone?

Sim. O Sandbook roda o Kokoro-82M no iPhone e no iPad, com todos os 82 milhões de parâmetros incluídos no download com todas as 41 vozes e executados no dispositivo. É grátis, sem compra no app, sem conta e sem limite de caracteres, com 41 vozes em seis idiomas, continua lendo com a tela bloqueada e exige iOS 18.2 em um iPhone XS, iPhone XR ou posterior. O principal limite: as vozes cobrem seis idiomas, não dezenas.

Verificado pela última vez em 7 de novembro de 2026

Como é um app de Kokoro TTS quando o modelo é local

A maioria das formas de ouvir o Kokoro passa por uma máquina que não é sua: um script Python em um notebook, um Space rodando na GPU de outra pessoa, um endpoint hospedado protegido por uma chave. No Sandbook, o arquivo do modelo fica no pacote do app e a inferência roda no próprio celular, então nada entra em fila, é medido ou tem limite de uso, e não há limite de caracteres. Um livro de 400 páginas abre no modo avião exatamente como no Wi-Fi.

Em um computador, você pode testar o Kokoro no navegador antes de instalar: o mesmo modelo e as 41 vozes rodam na própria aba, de graça, e nada do que você digita é enviado.

Kokoro TTS no iOS, offline

O Sandbook é um app de texto para voz que roda o Kokoro TTS no próprio aparelho, sem nenhum servidor no meio. O modelo e as 41 vozes chegam com a instalação: ative o modo avião e livros, PDFs, páginas digitalizadas e texto colado continuam tocando, sem conta, sem chave de API e sem upload.

  • iPhone e iPad: iOS 18.2 ou posterior num iPhone XS, iPhone XR ou posterior, ou um iPad com chip A12 ou posterior; não roda no iOS 17. Ele continua lendo com a tela bloqueada, sem nada para preparar antes.
  • Existe um app de Kokoro TTS para Mac? Sim: o Sandbook para Mac roda o mesmo modelo e as mesmas vozes de forma nativa nos Macs com chip da Apple (macOS 15.2 ou posterior), offline.

Kokoro-82M com Core ML, no iPhone, no iPad e no Mac

O motor é o Kokoro-82M, o modelo de texto para voz de pesos abertos, rodado como um modelo Core ML na CPU em todos os aparelhos; é isso que permite que ele continue lendo por trás do bloqueio. A voz é gerada frase por frase, à frente do que você ouve, então um capítulo começa mais ou menos no tempo que leva para ler o título dele. A velocidade vai de 0,5× a 2,5× e é aplicada dentro do modelo: em 2×, continua sendo uma pessoa falando rápido, e não uma voz de esquilo.

Como o motor funciona: o modelo, o pipeline, o cache

O Kokoro-82M é uma rede de 82 milhões de parâmetros com um codificador de texto no estilo ALBERT, um preditor de duração LSTM, um preditor de prosódia e um vocoder iSTFTNet. O Sandbook o roda como um modelo Core ML na CPU, no iPhone e no iPad desde outubro de 2026 e no Mac desde novembro de 2026, tanto em primeiro plano quanto com a tela bloqueada, porque o iOS não deixa um app usar a GPU em segundo plano. Antes disso, os dois apps o rodavam com Apple MLX, o framework de arrays da Apple, na GPU via Metal. As vozes são as mesmas 41 em todos os aparelhos.

O texto é convertido em fonemas, dividido nos limites das frases e sintetizado frase por frase. A reprodução começa assim que a primeira frase fica pronta, enquanto as seguintes são geradas por trás: você nunca espera um documento inteiro ser gerado antes de ouvir alguma coisa.

A velocidade é aplicada ajustando a duração prevista de cada fonema, e não reamostrando a forma de onda pronta. Um trecho que você já ouviu, com a mesma voz e na mesma velocidade, toca na hora direto do aparelho, sem ser gerado de novo. Em inglês, frases muito longas são lidas por inteiro.

Qual é a velocidade do Kokoro no iPhone?

Em um iPhone 15, a voz começou cerca de 2,5 segundos depois do toque em reproduzir num capítulo recém-aberto, e depois disso os parágrafos foram gerados de 3 a 6 vezes mais rápido que o tempo real. Esses tempos vêm de uma única sessão de leitura em outubro de 2026, tirados do registro do próprio app, com o motor MLX anterior, antes de o app para iPhone passar para o Core ML; não são uma bateria de testes, e ainda não foi publicado nenhum número do motor Core ML que os apps usam hoje. iPhones compatíveis mais antigos, até o iPhone XS e o iPhone XR, são mais lentos; em todos eles, a reprodução começa depois da primeira frase enquanto o resto é gerado por trás.

As medições, parágrafo por parágrafo e etapa por etapa

O primeiro parágrafo, 13,8 segundos de áudio, foi gerado em 2,4 segundos. Depois disso: 2,9 segundos de áudio em 0,9 segundo, 13,6 em 2,4 e 2,2 em 0,6. O modelo ficou na memória, ocupando cerca de 220 MB, durante toda a leitura, e um breve aquecimento na abertura do app, cerca de um segundo de síntese, faz a primeira frase sair rápido.

EtapaMedido em um iPhone 15
Conversão em fonemascerca de 0,01 s
Codificador de texto0,05–0,09 s
Preditor de duração0,2–0,5 s
Preditor de prosódia0,2–0,5 s
Decodificador (vocoder)0,3–1,3 s
Tempo por frase de cada etapa, medido em outubro de 2026 em um iPhone 15 (A16) com o motor MLX anterior, quando as etapas do modelo rodavam na GPU. O app para Mac rodou esse pipeline até novembro de 2026.

O que vem no download

O Sandbook é um download grande de propósito: o modelo e todas as 41 vozes vêm incluídos, carregados do pacote do app, não baixados. Nada é baixado depois da instalação, e nada é transmitido durante o uso.

  • Pesos kokoro-v1_0: 82 milhões de parâmetros, como modelo Core ML no iPhone, no iPad e no Mac.
  • 41 embeddings de voz: um tensor de estilo por voz, todos incluídos, nenhum bloqueado ou vendido à parte.
  • Uma versão do eSpeak NG para a conversão em fonemas, compilada no app como framework.

Onde o Sandbook difere do Kokoro original

  • Seis idiomas, não todos. O Kokoro original traz vozes em vários idiomas. O Sandbook inclui en-us e en-gb (28 vozes), mais espanhol, francês, italiano, português do Brasil e hindi, 41 vozes do Kokoro no total, num iPhone, offline. O eSpeak NG troca de idioma junto com a voz escolhida, e a limpeza do texto em inglês (datas, preços, unidades, siglas) só é aplicada às vozes em inglês.
  • Sem mistura de vozes nem vetores de estilo personalizados. Um único nível de qualidade, o mesmo modelo de 82 milhões de parâmetros a 24 kHz para todas as vozes. O que dá para mudar é como um nome ou uma palavra é falado, em um livro ou em todos.

Como colocar texto no app

  • Arquivos: EPUB, PDF, Word, TXT, RTF, Markdown ou HTML, pelo seletor do app Arquivos, por “Abrir com o Sandbook” ou pelo menu Compartilhar de qualquer app.
  • Páginas web: adicione uma página web com Colar um link, ou com Salvar no Sandbook no menu Compartilhar do Safari, do Chrome ou de outro app; o app guarda o artigo e descarta menus, anúncios e avisos de cookies.
  • Papel e imagens: Digitalize páginas impressas com a câmera, ou escolha uma foto, e o texto é reconhecido no dispositivo.
  • Seu próprio texto: digite, cole ou leia da área de transferência.
A página Importar do Sandbook num iPhone: Colar um link, Importar um arquivo, Digitalizar páginas, Texto de uma foto, Explorar clássicos, Escrever texto e Colar texto, com os formatos aceitos listados embaixo: EPUB, TXT, PDF, RTF, Word (.docx), Markdown e HTML
Todos os caminhos numa só página: um link, um arquivo, uma digitalização ou um texto que você digita ou cola.

Os livros têm destaque palavra por palavra dentro de um parágrafo atual levemente destacado, seletor de capítulos e toque em um parágrafo para ouvir a partir dele, e abrem no parágrafo onde você parou, cada um com a sua própria voz e velocidade. Um capítulo ou o livro inteiro é exportado como um único arquivo M4A com marcadores de capítulo, a capa e o título, e o texto de Escrever texto também.

Perguntas sobre o Kokoro TTS

É o mesmo Kokoro do modelo de código aberto?

Sim. O Sandbook roda o Kokoro-82M, o modelo publicado com pesos abertos, com a mesma arquitetura e os mesmos 82 milhões de parâmetros, convertido para rodar no dispositivo com Core ML na CPU, o mesmo motor no iPhone, no iPad e no Mac. Não é uma imitação regravada nem outro modelo usando o nome. O crédito e o agradecimento ao Kokoro estão na tela de Ajustes do app.

O app baixa o modelo na primeira vez que é aberto?

Não. Os pesos vêm dentro do pacote do app, e é por isso que o download é grande. Depois da instalação, o Sandbook nunca baixa o modelo, uma voz ou uma tabela de fonemas. Leitura, voz, digitalização e exportação funcionam offline; só adicionar uma página web exige conexão.

Posso usar as vozes do Kokoro em outros idiomas além do inglês?

Sim, em espanhol, francês, italiano, português do Brasil e hindi. O Sandbook inclui 41 vozes do Kokoro: 28 em inglês dos EUA e do Reino Unido, mais 3 em espanhol, 1 em francês, 2 em italiano, 3 em português do Brasil e 4 em hindi. A voz define o idioma, e cada livro lembra a sua voz. Vozes em outros idiomas não estão incluídas.

Em velocidade, como o Kokoro no dispositivo se compara a um servidor?

A síntese é feita frase por frase, com um buffer de antecipação, então o áudio começa depois da primeira frase, e não depois do documento inteiro. Na prática, um parágrafo começa a ser falado quase na hora e a geração fica sempre à frente da reprodução. Um texto mais longo não demora mais para começar: não há fila para esperar.

Quanto tempo leva para começar a falar?

Em um iPhone 15, cerca de 2,5 segundos depois do toque em reproduzir num capítulo recém-aberto, numa medição feita em outubro de 2026 com o motor MLX anterior, antes de o app para iPhone passar para o Core ML; ainda não foi publicado nenhum número do motor Core ML. O Sandbook gera a primeira frase, começa a tocá-la e prepara o resto por trás, então a espera não aumenta com o tamanho do capítulo. iPhones compatíveis mais antigos, até o iPhone XS e o iPhone XR, demoram mais.

Qual hardware é necessário?

iOS 18.2 ou posterior no iPhone XS, iPhone XR e posteriores, ou em um iPad com chip A12 ou posterior; ou macOS 15.2 ou posterior em um Mac com chip da Apple (M1 ou posterior). As vozes funcionam em todo iPhone e iPad em que o app pode ser instalado; Macs com Intel não conseguem gerá-las. Não funciona no iOS 17.

Existe um app de Kokoro TTS para iOS?

Sim: o Sandbook, grátis na App Store para iPhone e iPad. Ele traz o Kokoro-82M e todas as 41 vozes, roda tudo no aparelho e funciona offline desde a primeira abertura, inclusive no modo avião. O que você lê nunca sai do seu dispositivo. Exige iOS 18.2 num iPhone XS, iPhone XR ou posterior e não roda no iOS 17. Também há um app nativo para Mac, no mesmo download grátis: requer um Mac com chip da Apple (M1 ou posterior) e macOS 15.2 ou posterior.

Existe um app de Kokoro TTS para Mac?

Sim: o Sandbook para Mac, grátis na mesma página da App Store do app para iPhone. Ele traz o Kokoro-82M e as 41 vozes, roda tudo no Mac com Core ML, o mesmo motor do iPhone e do iPad, e funciona offline. Exige um Mac com chip da Apple (M1 ou posterior) e macOS 15.2 ou posterior; Macs com Intel não são compatíveis.

Fontes

  1. Ficha do modelo Kokoro-82M (hexgrad), com a lista de vozes — Hugging Face · consultado em 11 de novembro de 2026
  2. Licença Apache 2.0, sob a qual o Kokoro-82M é publicado — apache.org · consultado em 11 de novembro de 2026

Kokoro TTS no seu próprio dispositivo

Um app de Kokoro TTS que mantém o modelo inteiro, e tudo o que você lê com ele, no seu próprio dispositivo. 41 vozes em seis idiomas, no iPhone, no iPad e no Mac (com chip da Apple), grátis e sem nada para comprar dentro do app.

iOS 18.2 ou posterior · iPhone XS / XR ou posterior · iPad com A12 ou posterior · Mac com M1 e macOS 15.2

Ou teste antes as vozes no navegador