文字
文字不會離開這一頁，關掉分頁就沒了，不會被存下來。
引擎
詳細資訊
用的是你作業系統原本就有的聲音，所以每台電腦聽起來都不一樣。它只能播：聲音直接從系統送到喇叭，網頁拿不到音訊，也就沒有東西可以下載。
這些聲音屬於你的作業系統，依系統的條款使用。
先用內建語音聽聽看這段文字，要下載音檔再下載模型。
詳細資訊
授權： Apache-2.0
版本： 6cc0f0d
權重從 Hugging Face 下載，鎖定在固定版本： onnx-community/Kokoro-82M-v1.1-zh-ONNX
中文發音詞典從本站（bytescope.dev）下載： 9.3 MB
中文聲音是北京腔的普通話。有些破音字會念錯，中文句子裡夾的英文單字也可能念得不自然。繁體字會先在內部轉成簡體來查讀音，你的文字本身不會被改。
有 WebGPU 時合成比播放快很多。沒有能用的 GPU 時只能靠 CPU，大約要花音訊長度的 1.5–3 倍，沒有 GPU 時要等合成完。
合成的時候，瀏覽器大約會用掉 2.5–3 GB 記憶體，很多手機撐不住。
先用內建語音聽聽看這段文字，要下載音檔再下載模型。
詳細資訊
授權： OpenRAIL-M
版本： 3cadd1e
權重從 Hugging Face 下載，鎖定在固定版本： Supertone/supertonic-3
只會念英文和日文，不會念中文。
有 WebGPU 時合成比播放快很多。沒有能用的 GPU 時只能靠 CPU，大約要花音訊長度的 1.5–3 倍，沒有 GPU 時要等合成完。
合成的時候，瀏覽器大約會用掉 2.5–3 GB 記憶體，很多手機撐不住。
OpenRAIL-M 使用限制（Attachment A）。你同意不把模型或它產生的內容用在：
- (a)違反任何適用的國家、聯邦、州、地方或國際法律或法規；
- (b)以任何方式剝削、傷害未成年人，或企圖這麼做；
- (c)產生或散布可證明是假的、目的在傷害他人的資訊或內容；
- (d)產生或散布可以拿來傷害某個人的個人識別資訊；
- (e)產生或散布內容並放進任何情境（例如自動發文的機器人），卻沒有明確、清楚地說明那是機器產生的；
- (f)誹謗、貶低或騷擾他人；
- (g)未經同意冒充或企圖冒充他人（例如深偽）；
- (h)會對個人法律權利造成不利影響、或建立或變更有約束力義務的全自動決策；
- (i)依線上或線下的社會行為、已知或預測的個人特質，歧視或傷害個人或群體；
- (j)利用特定族群因年齡、社會、生理或心理特徵而有的弱點，扭曲其行為，造成或可能造成身心傷害；
- (k)依法律保護的特徵或類別，歧視個人或群體；
- (l)提供醫療建議或解讀醫療結果；
- (m)產生或散布用於司法、執法、移民或庇護程序行政用途的資訊，例如預測某人會詐欺或犯罪。
這是摘要，不是法律意見；以上面連結的授權全文為準。
聲音與語速
試聽
要下載音檔請改用下載型語音。
逐句
有文字、也確定是哪種語言之後，句子會列在這裡。
已下載的語音
檢查中…
做不到的事
- 內建語音不能下載，而且聲音來自作業系統，每台電腦聽起來都不一樣。
- Kokoro 的中文是北京腔，會念錯部分破音字，中文裡夾的英文單字可能念得不自然。
- 沒有聲音複製，也不能控制情緒或語氣。
- Supertonic 3 的授權是 OpenRAIL-M，有使用限制，逐條列在它的「詳細資訊」裡。
- 沒有 GPU 時，合成大約要花音訊長度的 1.5–3 倍，要等合成完才聽得完整。
- 下載型引擎在合成時，瀏覽器大約會用掉 2.5–3 GB 記憶體。