hexgrad: Kokoro 82M

hexgrad: Kokoro 82M, hexgrad tarafından sunulan hafif, açık ağırlıklı bir metinden sese modelidir. Konuşma kategorisinde yer alır, yani görevi dar ve nettir: yazılı metni konuşulan sese dönüştürmek. Ağırlıklar açık olduğu için, kapalı bir barındırılan ses hizmetine kıyasla dağıtım ve barındırma konusunda daha özgürce akıl yürütebilirsiniz ve 82M parametre sayısı, büyük bir genel amaçlı model yerine küçük bir modele işaret eder.

Model tek girdi olarak metni alır ve tek çıktı olarak konuşma döndürür. 4096 token bağlam penceresi ve 3686 maksimum çıktısı vardır; bu, tek bir istekte ne kadar metin sentezleyebileceğinizi sınırlar. Ses seçimi geniştir: model, Amerikan İngilizcesi, Britanya İngilizcesi, İspanyolca, Fransızca, Hintçe, İtalyanca, Japonca, Portekizce ve Çinceyi kapsayan, çoğunda kadın ve erkek seçenekleri bulunan geniş bir adlandırılmış ses kümesiyle gelir. af_heart, am_onyx, bf_emma, em_alex, jf_alpha ve zf_xiaoxiao gibi adlar bu listenin örnekleridir.

Bu yetenekler oldukça belirli bir kullanım kümesine işaret eder. Makaleler, dokümantasyon veya kısa videolar için anlatım ve seslendirme iyi uyar, çünkü hedef dile ve kitleye uyan bir ses seçebilirsiniz. Bir uygulamada metni yüksek sesle okuma veya yazılı içeriğin sesli sürümlerini üretme gibi erişilebilirlik özellikleri doğal uyumlardır. Yerelleştirme çalışmaları çok dilli ses kümesinden fayda görür; aynı senaryoyu sağlayıcı değiştirmeden birkaç dilde üretebilirsiniz. Sohbet ajanları ve etkileşimli araçlar bunu konuşulan yanıtlar için kullanabilir ve model küçük olduğu için, büyük bir barındırılan TTS hizmetinin aşırı olacağı kendi kendine barındırma veya cihaz üzerinde çalışma tarzı dağıtımlar için makul bir adaydır.

Modeli api14'ün OpenAI uyumlu API'si üzerinden "hexgrad/kokoro-82m" model kimliğini kullanarak çağırırsınız. Arayüz OpenAI biçimini izlediği için, bu protokolü zaten konuşan mevcut istemciler ve SDK'lar en az değişiklikle api14'e yönelebilir. Model, temel unsurların ötesinde desteklenen bir istek parametresi bildirmez, bu yüzden temperature veya top_p gibi ayar düğmelerine güvenmek yerine metninizi ve seçtiğiniz sesi göndermeyi planlayın. Güncel ücretler için sayfadaki canlı fiyat tablosuna bakın.

Akılda tutulması gereken ana kısıt kapsamdır. Bu bir metinden sese modelidir, sohbet veya akıl yürütme modeli değildir, bu yüzden özetleme, çeviri veya soru yanıtlama gibi görevler bunun yerine bir metin modeline aittir. 4096 token bağlam ve 3686 token çıktı tavanı da uzun belgelerin sentezden önce parçalara bölünmesi gerektiği anlamına gelir. Metinden sese yerine sesten metne ihtiyacınız varsa veya ses anlamayı işleyen bir model arıyorsanız, başka yere bakın.