把 Kokoro-82M 语音合成模型封装成 OpenAI 兼容 API，用 Docker 一键部署，支持多说话人、SSML 和字幕时间戳，CPU、AMD、NVIDIA 都能跑。
基于 Kokoro 模型和 ONNX Runtime 的轻量级语音合成方案，用 Python 就能在本地跑出高质量 TTS，省去复杂环境配置。
基于 Kokoro 模型的命令行语音合成工具，支持多语言、音色混合，可直接把 EPUB 电子书和 PDF 文档转成有声书或播客音频。
面向创作者和开发者的 Gradio 语音工作台，集成多引擎 TTS、零样本声音克隆、Whisper 转写、人声分离与多语言翻译，一站式完成配音和字幕制作。
把 EPUB 电子书转成有声书的 Python 工具，基于 Kokoro 语音合成模型，适合想批量制作个人音频书的人。
把 EPUB、PDF 或纯文本一键转成有声书，并生成与语音同步的字幕，适合批量制作有声内容。
输入任意主题，自动生成带 TTS 旁白、字幕和章节进度条的黑底动态图形讲解视频，支持中英文，每帧都用 Remotion 代码绘制。
给 Claude Code 加上语音对话能力，用 Whisper 做语音识别、Kokoro 做语音合成，通过 MCP 服务实现自然流畅的语音交互。
在本地设备上跑实时多模态 AI 的 Python 项目，整合语音识别、语音合成和本地大模型，实现类似 GPT-Live 的实时对话体验，支持 Apple Silicon 和 MLX。
把一段脚本自动变成带旁白的 MP4 讲解视频：本地 Kokoro 语音合成、Whisper 词级时间对齐，再用 Canvas 渲染动画，适合做产品演示。
在浏览器里直接跑 llama、deepseek-distill、kokoro 等本地大模型和语音合成，靠 WebGPU 加速，不用装后端也不用上传数据。
在 Debian 上从零搭建完全本地私有的 LLM 服务器，集成聊天、联网搜索、RAG、模型管理、MCP、图像生成和语音合成。
一个基于 Gradio + React 的 WebUI，把 GPT-SoVITS、CosyVoice、XTTSv2、Bark、MusicGen、RVC 等二十多种语音合成、音频生成与音乐生成模型整合到同一界面，省去逐个部署的麻烦。
…summary: [CHANGELOG.md](https://github.com/remsky/Kokoro-FastAPI/blob/v0.10.0/CHANGELOG.md) feat(api): add ElevenLabs and Cartesia compatible websocket TTS for voice agen
…summary: [CHANGELOG.md](https://github.com/remsky/Kokoro-FastAPI/blob/v0.9.2/CHANGELOG.md) fix(normalizer): read a stray comma before a unit as a decimal separator by @bf
…eb ui tab by @remsky in https://github.com/remsky/Kokoro-FastAPI/pull/534 refactor/normalization-classes by @remsky in https://github.com/remsky/Kokoro-FastAPI/pull/528 f
…summary: [CHANGELOG.md](https://github.com/remsky/Kokoro-FastAPI/blob/v0.8.2/CHANGELOG.md) What's Changed fix: honour default voice code in split multi voice by @Christia
First CoreML port of hexgrad/Kokoro-82M with on-device bilingual (English + Japanese) free-text input. Contains: Predictor (flexible 1-256 phonemes) + Decoder buckets (12
kokoro-v1.0.onnx : (310MB): optimized f32 version from [taylorchu/kokoro-onnx](https://github.com/taylorchu/kokoro-onnx/releases/tag/v0.2.0) kokoro-v1.0.fp16.onnx : (169M