ElevenLabs ve OpenAI Voice gibi bulut seslendirme servisleri yüksek kalite sunsa da karakter başına artan maliyetler ve internet bağımlılığı yaratır. Açık kaynak dünyasında GitHub'ın zirvesine yerleşen hexgrad/kokoro deposu, yalnızca 82M parametre ve yaklaşık 300 MB dosya boyutuyla pahalı GPU'lara gerek duymadan standart bir dizüstü bilgisayarda insan doğallığında ses üretmeyi mümkün kılıyor.
Kokoro-82M vs Geleneksel TTS Modelleri
| Özellik / Karşılaştırma | Kokoro-82M | Coqui XTTS v2 | ElevenLabs (Bulut) |
|---|---|---|---|
| Parametre ve Dosya Boyutu | 82 Milyon (~300 MB) | ~2 Milyar (~3.8 GB) | Kapalı Kaynak (Bilinmiyor) |
| Donanım Gereksinimi | Standart CPU (Düşük RAM) | Minimum 6–8 GB VRAM | İnternet ve API Anahtarı |
| Karakter / Üretim Maliyeti | %100 Ücretsiz (Sınırsız) | %100 Ücretsiz | Karakter başı ücretlendirme |
| Gecikme (Latency) | < 150 ms (Gerçek Zamanlı) | 500 ms – 1.5 sn | İnternet hızına bağlı |
Adım 1: Python Ortamı ve Bağımlılıkların Kurulması
Kokoro son derece hafif olduğu için karmaşık CUDA kütüphaneleri olmadan doğrudan çalıştırılabilir:
pip install kokoro-onnx soundfileAdım 2: Model Ağırlıklarının ve Ses Kütüphanesinin İndirilmesi
Hugging Face üzerinden ONNX formatındaki optimize edilmiş modeli ve ses profillerini indirin:
# Model ağırlığı (~300 MB)
wget https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files/kokoro-v0_19.onnx
# Ses profilleri (voices.json)
wget https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files/voices.jsonAdım 3: İlk Ses Dosyasını Üretme (Python Kodu)
Aşağıdaki betikle metninizi birkaç saniye içinde doğal bir WAV ses dosyasına dönüştürebilirsiniz:
import soundfile as sf
from kokoro_onnx import Kokoro
# Modeli başlat
kokoro = Kokoro("kokoro-v0_19.onnx", "voices.json")
# Metinden ses üret (af_bella, am_adam gibi ses profilleri seçilebilir)
samples, sample_rate = kokoro.create(
"Yapay Zeka Evreni ile geleceğin teknolojisine bugünden dokunun.",
voice="af_bella",
speed=1.0,
lang="en-us"
)
# Dosyaya kaydet
sf.write("cikti.wav", samples, sample_rate)
print("Seslendirme tamamlandı: cikti.wav")Kullanım Alanları ve Avantajları
- YouTube ve Podcast İçerik Üretimi: Dakikalar süren uzun metinleri tek kuruş ödemeden stüdyo berraklığında seslendirin.
- Yerel Sesli Asistanlar: Ollama veya Llama 3 modellerinin çıktısını Kokoro'ya bağlayarak tamamen çevrimdışı konuşan asistanlar geliştirin.
- E-Kitap Okuyucuları: PDF ve EPUB belgelerini sesli kitaba dönüştürün.
Sıkça Sorulan Sorular (SSS)
Kokoro-82M ticari projelerde kullanılabilir mi?
Evet, model açık lisanslıdır ve yerel sunucularda ticari yazılımlarınıza entegre edilebilir.
Ekran kartı (GPU) olmadan akıcı çalışır mı?
Evet, Kokoro'nun en çarpıcı yönü ONNX optimizasyonu sayesinde ortalama bir ofis bilgisayarının işlemcisinde bile saniyeler içinde ses oluşturabilmesidir.