笔记
0工具
0此页用于记录用户反馈问题后的每一次改进
关于
“写笔记”支持四种格式——Word 文档、Excel 表格、Markdown、纯文本，起稿或二次编辑时都能随时切换，同一篇笔记想用哪种形态来记，都由你说了算。
md、txt、csv、json 这类纯文本则原样载入，不做多余加工。拿一张现成的表倒进来、改几笔、再导出去，等于白用一台免费的格式转换器。
要带走就在右上角点“下载”，可导出 PDF、Word、Markdown、Excel、TXT 等格式；列表卡片“⋯”菜单里，也有同样的下载入口。
在“工具”页点“＋ 上传工具”即可发布：填好名称与链接，再用 Markdown 把使用方法写清楚——能解决什么问题、怎么装、怎么用，比堆介绍实在。
要分发安装包就一并上传压缩包（ZIP、RAR、7Z、TAR.GZ，最大 35MB），别人在详情页一键下载；只放链接不带附件也可以。
工具按大家的收藏热度排序，好用的自然会被顶上来。发布后可在详情页或卡片菜单里编辑、下架。
写笔记时勾上“隐藏”，这篇就只存在于你自己的账号里：不进列表、不进搜索、不上首页精选，也不会出现在任何公开的页面，链接发给别人同样打不开。
适合放密码、草稿、日记这类只给自己看的内容；想公开，去“发布”打开它，把“隐藏”的勾去掉再保存，之后编辑会默认保持原状态，不会悄悄变回公开。
不想公开、只想临时给人看：点“分享”生成一条带密码和有效期的链接，到期自动失效，你也能随时撤销。
你的内容会同时保存在多个副本上，系统定期做备份与完整性校验，再配合异地容灾机制：就算某台机器出问题，数据也不会丢，可以长期放心存放；特别重要的资料，仍建议你另外再留一份备份。
全站跑在容器化、模块化的现代架构上，更新、部署、回滚都很快，扩展性和稳定性都按长期运营的标准来设计（Built for reliability, designed to scale）。
这个网站最早只是一个人的笔记仓库，后来慢慢长成现在的知识中枢。设计上很克制——没有广告、没有追踪、没有推荐算法，只是干干净净地存放一些东西；既然做好了，就公开出来，万一有人用得上呢。
不做大而全，不做平台梦，保持简单、保持克制、保持好奇。所有内容都由用户贡献、由用户维护：不会突然冒出付费墙，不会在角落塞广告位，也不会把你的数据卖给第三方。
产品会持续迭代，站内日志页记录着每一次改动，改了什么都有迹可循；想了解这个站是怎么一步步走到今天的，翻翻日志就能看到来龙去脉。
如果在这里看到涉嫌违规的内容，点对应卡片右侧的“举报”按钮就能提交，我们会尽快核实处理；也谢谢你花一点时间，一起把这里维护干净。
趋势
Kokoro：本地CPU运行的高质量文本转语音系统深度解析
本文介绍Kokoro——一个仅82M参数、可在CPU上实时运行的高质量多语言TTS模型，并详述其部署与使用。
引言：从遥不可及到触手可及的本地语音合成
就在几年前，在本地设备上生成逼真的语音似乎还是一个遥不可及的梦想。然而今天，这一技术的质量已经达到了令人惊叹的水平，更重要的是，它能够在不牺牲用户隐私的前提下实现这些成果。本文介绍的Kokoro模型，正是这一技术进步的典型代表。
作者在先前一篇关于“GTX 1080 Ti用于本地LLM”的文章中描述了一台本地机器。本文展示的音频样例正是完全在这台机器上生成的。值得注意的是，尽管该机器配备了专用的GPU，但这个GPU被完全保留给LLM（大语言模型）推理使用，而语音合成任务则完全由CPU负责。这种设计展示了Kokoro在CPU上的高效性。
Kokoro模型的核心特性
Kokoro是一个参数规模仅为82M的模型，但它却能生成多语言的高质量语音，支持的语言包括英语、普通话（中文）和印地语等。它提供了大约50种不同的声音选项，这些声音主要针对英语进行了优化。82M参数意味着模型体积较小，推理速度快，非常适合在资源受限的环境（如普通个人电脑、笔记本甚至树莓派）上运行。
部署方式：基于容器的快速启动
部署Kokoro有多种方式，本文推荐的是最简单直接的一种：使用预先构建好的容器镜像Kokoro-FastAPI。这个镜像已经包含了预下载的语音模型，因此镜像体积较大，大约为5GB。使用Docker或Podman等容器工具，只需一行命令即可启动服务：
bash
podman run -p 8880:8880 ghcr.io/remsky/kokoro-fastapi-cpu
启动后，可以通过访问 localhost:8880/web 来打开一个简单的Web界面。在这个界面中，你可以输入文本，点击生成，浏览器会自动播放生成的音频。这对于快速验证服务是否正常运行非常方便。
API兼容性与编程接口
Kokoro-FastAPI 容器不仅提供了Web UI，还提供了一个与 OpenAI Speech API 兼容的TTS接口。这意味着任何已经基于OpenAI语音API开发的程序，都可以通过简单地修改API基础地址，无缝切换到本地的Kokoro服务。这极大地降低了集成门槛。
为了便于测试，作者在GitHub仓库 github.com/remotebrowser/speak 中提供了JavaScript和Python两种语言的示例代码。克隆该仓库后，可以按照以下方式使用：
JavaScript 示例
bash
export TTS_API_BASE_URL=http://127.0.0.1:8880/v1
./speak.js "Good morning! How are you today?"
Python 示例
bash
export TTS_API_BASE_URL=http://127.0.0.1:8880/v1
./speak.py "Good morning! How are you today?"
生成的音频文件会被保存为MP3格式。如果系统中安装了 SoX（Sound eXchange，一个命令行音频处理工具），音频还会自动播放。
语音选择与性能测试
你可以通过设置环境变量 TTS_VOICE 来选择不同的声音。例如：
bash
export TTS_API_BASE_URL=http://127.0.0.1:8880/v1
export TTS_VOICE=am_eric
./speak.js "Good morning! How are you today?"
所有可用的声音列表可以在Kokoro官方项目的Hugging Face页面上找到：huggingface.co/hexgrad/Kokoro-82M/blob/main/VOICES.md。
性能实测数据
作者使用 am_eric 声音，对一段测试文本（描述木星）进行了性能测试，记录了在不同CPU上的生成时间（取三次运行的最佳值）：
- Intel Core i7-4770K（2013年发布，距今约12年）：4.7秒
- Apple M2 Pro（2023年发布）：4.5秒
- AMD Ryzen 7 8745HS（2023年发布）：1.5秒
这个测试结果非常具有说服力。i7-4770K是一款12年前的老款CPU，即便如此也能在不到5秒内完成一段较长文本的语音生成。这表明Kokoro对CPU的要求极低，几乎任何现代（甚至不太现代的）CPU都能胜任。而AMD Ryzen 7 8745HS的1.5秒成绩，则意味着几乎可以实时生成语音，体验非常流畅。
备选方案：Speaches
文章最后还提到了另一个与OpenAI API兼容的容器化TTS服务——Speaches (speaches.ai)。与Kokoro-FastAPI不同的是，Speaches的容器镜像没有预装语音权重文件，你需要通过其API显式地下载。
但Speaches有一个独特的优势：它集成了OpenAI著名的Whisper模型，这是一个高质量的语音转文本（STT）系统。如果你的应用同时需要TTS（文本转语音）和STT（语音转文本）功能，那么Speaches可以作为一个一体化的解决方案。
应用场景与总结
将这样的本地语音合成系统与本地LLM相结合，你可以实现一个完全在本地运行、保护隐私的语音助手。你可以“听”到LLM的回答，而不是费眼去阅读。这在驾驶、多任务处理或为视障人士提供辅助等方面具有巨大的实用价值。
Kokoro的出现，证明了高质量的TTS不再需要昂贵的GPU或云服务。它通过精巧的模型设计和高效的实现，让每一个普通用户都能在自己的电脑上，以极低的成本获得接近自然的语音体验，同时牢牢掌握自己的数据隐私。
原文链接：https://ariya.io/2026/03/local-cpu-friendly-high-quality-tts-text-to-speech-with-kokoro/