Kokoro TTS online, grátis e privado no seu navegador

O modelo roda no seu próprio computador, toca a primeira frase enquanto o resto é gerado e entrega um WAV para baixar. Quando você toca em Começar, o navegador baixa o modelo Kokoro-82M uma única vez e o guarda no cache. A partir daí, tudo acontece nesta aba. Seu texto é dividido em frases, cada frase vira fonemas, e o modelo transforma os fonemas em áudio de 24 kHz na voz que você escolheu. A primeira frase começa a tocar assim que fica pronta, enquanto as seguintes são geradas por trás.

O texto em inglês passa pelo fonetizador de inglês do próprio Kokoro, que também lê por extenso números, preços e horários. Espanhol, francês, italiano, português e hindi passam pelo eSpeak NG, o mesmo fonetizador que o Kokoro usa para esses idiomas, carregado só quando você escolhe uma dessas vozes. A inferência roda em um worker em segundo plano, então a página continua respondendo.

A ferramenta escolhe o motor por você. Não há ajuste de qualidade para errar, porque os modelos quantizados menores produzem uma fala distorcida no WebGPU.

• WebGPU (placa de vídeo): o modelo em precisão total, um download único de 326 MB. Em um notebook recente, um parágrafo de 40 palavras leva cerca de 3 segundos, e a primeira frase toca depois de mais ou menos 1 segundo. O Chrome e o Edge atuais em um computador têm WebGPU; o Safari 26 no Mac também.
• CPU (WebAssembly): o modelo de 8 bits, um download único de 92 MB, usado quando o WebGPU não está disponível. É mais lento que o tempo real: conte com a primeira frase depois de 10 a 15 segundos e com 20 a 40 segundos para o mesmo parágrafo, conforme o seu processador.

Nos dois casos, a segunda visita pula o download: o modelo carrega do cache do navegador em poucos segundos. Reserve de 1 a 1,5 GB de memória na aba enquanto ele roda.

A voz decide o idioma. A ferramenta oferece as mesmas 41 vozes do app Sandbook, com os nomes e as descrições do app:

• Inglês: 28 vozes, 20 americanas e 8 britânicas, entre elas Heart, Bella, Michael, Emma e George.
• Espanhol: 3 vozes (Dora, Alex, Santa).
• Francês: 1 voz (Siwis).
• Italiano: 2 vozes (Sara, Nicola).
• Português do Brasil: 3 vozes (Dora, Alex, Santa).
• Hindi: 4 vozes (Alpha, Beta, Omega, Psi).

Para ouvir uma voz sem carregar nada, toque no botão de play ao lado do seletor de voz, ou ouça todas as amostras de voz do Kokoro. A velocidade vai de 0,5× a 2,0×, aplicada dentro do modelo, então uma voz rápida ainda soa como uma pessoa falando depressa.

Download. Cada geração pode ser salva como um arquivo WAV mono de 24 kHz. Ainda não é possível exportar em MP3 ou M4A.

Direitos de uso. O Kokoro-82M é publicado sob a licença Apache-2.0, que permite uso comercial. O áudio que você gera é seu; o Sandbook não reivindica nada sobre ele.

Limites. Até 1.500 caracteres por geração, cerca de um minuto e meio de fala. O modelo precisa da memória de um computador, então a ferramenta é pensada para computadores. O celular pode não ter memória para a versão no navegador, e no celular a página mostra amostras de voz antes de oferecer carregar qualquer coisa. Fechar a aba logo depois do primeiro download pode, às vezes, impedir o navegador de terminar de gravar o cache; nesse caso, a próxima visita baixa o modelo de novo.

Privacidade. Tudo fica no seu navegador. Seu texto e o áudio nunca saem desta aba; os únicos arquivos que a ferramenta busca são o modelo, a voz que você escolhe e, para vozes que não são em inglês, o fonetizador. A página conta quantas vezes a ferramenta é usada, nunca o que você digita.

Esta página é uma demonstração do modelo. O Sandbook é o app: ele roda o mesmo modelo Kokoro-82M no iPhone e no iPad com Apple MLX, totalmente offline, com as 41 vozes e sem limite de tamanho. Lê em voz alta livros EPUB e PDFs, páginas da web e páginas digitalizadas, destaca cada palavra enquanto ela é falada e lembra onde você parou. Grátis, sem conta e sem nada para comprar. Precisa de um iPhone 12 ou posterior com iOS 18.2.

Como o modelo roda em um celular está explicado na página app de Kokoro TTS para iPhone. Se você só precisa que o celular leia a tela em voz alta, o iOS já faz isso: texto para voz no iPhone com os ajustes nativos. E para ver como o Sandbook se compara ao Speechify, ao NaturalReader e a outros leitores, veja as alternativas de leitores para iPhone.