Kokoro 82M
PulseAugur coverage of Kokoro 82M — every cluster mentioning Kokoro 82M across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
Kokoro 82M 领跑开源 TTS，但落后于 Qwen-Audio-3.0-TTS-Plus
Kokoro 82M v1.0 已成为领先的开源文本到语音模型。然而，在盲人偏好测试中，它比 Qwen-Audio-3.0-TTS-Plus 低 173 ELO 分。这一性能差距凸显了当前可下载的开源模型与 TTS 领域领先的商业产品之间的差距。
-
Kokoro 82M v1.0 领跑开源 TTS，接近商业级质量
Kokoro 82M v1.0 已被公认为领先的开源文本转语音模型。在盲人偏好测试中，它仅以微弱劣势落后于商业模型，比 SpeechifyAI 的 Simba 3.2 低 174 ELO，比 Qwen-Audio-3.0-TTS-Plus 低 173 ELO。这一表现表明，可下载模型正在迅速接近商业产品的质量。
-
Kokoro 82M TTS 模型比 SpeechifyAI 的 Simba 3.2 落后 174 ELO 分
开源文本转语音模型 Kokoro 82M v1.0 经过评估，发现其性能比 SpeechifyAI 开发的 Simba 3.2 模型落后 174 ELO 分。此评估基于盲测人类偏好，区别于营销宣传。该结果是追踪开源 AI 模型更广泛排行榜的一部分。
-
本地AI电话代理'Eva'使用Gemma 4进行上下文通话
一个项目开发了一个名为Eva的本地控制对话电话线原型，旨在从呼叫者那里收集结构化信息。与基于云的代理不同，Eva完全在本地硬件上运行，使用Gemma 4模型进行对话，本地语音识别，以及Kokoro 82M进行文本到语音转换。一个自定义的Python应用程序协调这些组件，维护对话历史以确保上下文连续性并实现自然的后续提问，从而创造更连贯的用户体验。
-
本地 AI 文本转语音应用在 Jetson 上利用 Durable Streams
作者详细介绍了一个项目，该项目旨在使用 NVIDIA Jetson Orin Nano Super 套件创建自托管的本地 AI 文本转语音应用程序。此设置旨在为用户提供一种可靠的方式，将文本转换为语音，而无需依赖第三方提供商。该系统利用 Kokoro-82M 模型，并采用持久流（durable streams）架构设计，以处理 TTS 生成的增量性质，支持实时流式传输、共享以及应对网络中断的弹性。
-
新的开源应用程序 Off Grid AI Desktop 提供本地 LLM 聊天及更多功能
Off Grid AI Desktop 是一款新的开源应用程序，旨在让用户在自己的 Mac 或 PC 上本地运行大型语言模型。它提供了与 LM Studio 类似的下载和聊天体验，但扩展了功能，包括设备上的图像生成、语音处理以及用于与文档聊天的检索增强生成 (RAG)。一个独特的功能是其“感知捕获”能力，它可以从屏幕内容中提炼信息，用于私密的、设备上的记忆回忆。
-
Off Grid AI Desktop 为本地LLM使用提供图形用户界面，可与Ollama媲美
一款名为Off Grid AI Desktop的新开源应用程序旨在为在个人电脑上本地运行大型语言模型提供更用户友好的界面。与需要命令行交互和API的Ollama不同，Off Grid AI Desktop提供了用于模型选择、聊天、图像生成和语音输入/输出的图形界面。该应用程序支持各种模型，并利用Mac和PC上的硬件加速，通过量化技术使更大的模型能够在消费级硬件上运行。
-
纯CPU TTS基准测试：Kokoro 82M在质量上领先，Inflect-Nano-v1在速度上领先
一项在CPU上对三种开源文本转语音（TTS）模型——Kokoro 82M、Supertonic 3和Inflect-Nano-v1——进行的基准测试，揭示了显著的性能和质量差异。Inflect-Nano-v1尽管参数量小且实时因子（RTF）最快达到0.1376，但UTMOS评分发现其被高估，并且存在硬性输出长度限制。Supertonic 3提供了折衷方案，在5步配置下，以0.3164的RTF实现了4.37的MOS评分，而Kokoro …