Kokoro-82M 是 hexgrad 开源的轻量级语音合成模型，仅 8200 万参数；本运行包内置 v1.1-zh 中文增强权重，提供 100 个中文音色与 3 个英文音色，可在低显存显卡乃至纯 CPU 环境完成语音合成。

核心特性

• 体积极小、门槛极低：8200 万参数，GPU 2G+ 即可运行，纯 CPU 也能合成（速度较慢）
• 中文音色丰富：内置 100 个中文音色（如 zf_001）与 3 个英文音色，覆盖不同性别、年龄与语气
• 中英双语：同一模型处理中文与英文文本，支持中英混读
• 语速可调：0.5~2.0 倍语速滑杆直接控制，无需二次变速处理
• 低延迟、可批量：非自回归架构，短句响应快，适合大批量长音频合成

适用场景

短视频与口播配音、有声书与播客朗读、智能硬件与呼叫中心语音、批量音频内容生产

更多信息可参考：https://github.com/hexgrad/kokoro