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 fonemizzatore inglese di Kokoro, che legge anche per esteso numeri, prezzi e orari. Spagnolo, francese, italiano, portoghese e hindi passano da eSpeak NG, lo stesso fonemizzatore 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.

Invece di scrivere, puoi importare un file: EPUB, PDF, Word (.docx), Markdown, HTML o testo semplice. Il file viene aperto e letto in questa scheda del browser; non viene caricato nulla. Si apre in una vista di lettura a tutto schermo, con i capitoli di un EPUB nell’Indice. Tocca una frase qualsiasi e lo strumento legge ad alta voce da lì, generando solo una o due frasi in anticipo rispetto a ciò che senti, così non serve mai elaborare un libro intero in una volta. La frase in lettura è evidenziata, e puoi mettere in pausa o toccarne un’altra in qualsiasi momento.

Altre quattro pagine usano lo stesso motore, ognuna impostata per un solo compito: leggere un testo ad alta voce, un lettore EPUB online, leggere un PDF ad alta voce e farti rileggere il tuo tema.

Se cercavi uno strumento da testo a voce, o un modo per convertire un testo in audio, è questo. Scrivi o incolla fino a 1.500 caratteri, scegli una delle 41 voci e premi Genera: il testo diventa voce nel tuo browser, e Scarica WAV lo conserva come file mono a 24 kHz che qualsiasi programma di montaggio video o audio apre. È un sintetizzatore vocale gratis, un generatore di voce IA nel senso più semplice delle parole: le voci sono sintetiche, non c’è registrazione né un contatore di crediti, e la licenza Apache-2.0 di Kokoro-82M consente l’uso commerciale. Non clona una voce e non imita una persona. Per un copione più lungo di una sola generazione, generalo a pezzi e unisci i file nel tuo programma di montaggio.

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

• 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, Edge e Safari aggiornati su un computer hanno WebGPU.
• 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.
• Telefoni: lo stesso modello per CPU da 92 MB, in una configurazione alleggerita che chiede meno memoria al browser e parla a pezzi più brevi. Funziona sui telefoni recenti ed è più lento che su un computer: la voce viene generata più lentamente di quanto venga riprodotta, quindi ci sono pause tra una frase e l’altra. Se il download si interrompe, riprende da dove si era fermato.

In entrambi i casi, dalla seconda visita il download non serve più: il modello si carica dalla cache del browser in pochi secondi. Su un computer, mentre gira, conta su circa 1 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 di testo scritto si può salvare come file WAV mono a 24 kHz. L’esportazione in MP3 e M4A non è ancora disponibile. I documenti importati vengono letti ad alta voce nella pagina e non hanno un download dell’audio.

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. Testo scritto: fino a 1.500 caratteri per generazione, circa un minuto e mezzo di parlato. File importati: EPUB, PDF, Word (.docx), Markdown, HTML e testo semplice, di qualsiasi lunghezza; i PDF scansionati (senza livello di testo) e i libri protetti da DRM non si possono leggere. Lo strumento funziona meglio su un computer. Funziona anche sui telefoni recenti, più lentamente, e un telefono vecchio potrebbe non avere abbastanza memoria; quando sembra probabile, lo strumento lo dice prima di scaricare. La lettura si ferma quando il telefono si blocca o la scheda passa in background. 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. Il testo e l’audio non lasciano mai il tuo browser. Un file che importi viene aperto sul tuo dispositivo e non viene caricato altrove. Gli unici file che lo strumento scarica sono il modello, la voce che scegli, per le voci non inglesi il fonemizzatore, e il lettore per il tipo di file che importi.

Riconoscimenti. Lo strumento si basa su software open source: Kokoro-82M (Apache-2.0), ONNX Runtime Web (MIT), Transformers.js (Apache-2.0), kokoro-js (Apache-2.0), eSpeak NG (GPL-3.0), PDF.js (Apache-2.0) e fflate (MIT).

Questa pagina è una demo del modello. Sandbook è l’app: esegue lo stesso modello Kokoro-82M su iPhone, iPad e Mac 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 (su iPhone e iPad) 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, oppure un Mac con chip Apple (M1 o successivo) e macOS 15.2.

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.