Kokoro 82M v1.0
- Poids ouverts
- Licence : Apache 2.0
- Français annoncé
En bref : 3e sur 16 en prononciation du français ; 54e sur 96 en synthèse vocale en anglais (Artificial Analysis), ex æquo avec 12 autres modèles dont les marges d'erreur se recouvrent ; 30e sur 38 en synthèse vocale en anglais (TTS Arena).
Présentation
Modèle de synthèse vocale à poids ouverts de 82 millions de paramètres, fondé sur l'architecture StyleTTS 2 et entraîné sur quelques centaines d'heures d'audio sous licence permissive. Son auteur met en avant sa légèreté, son faible coût d'exécution et sa licence Apache qui autorise l'usage commercial. Lu sur huggingface.co, le 17/10/2026.
- Sortie
- 27 janvier 2025 lu sur la page de l'éditeur
- Taille
- 82 millions de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 8 langues, dont le français (en, ja, zh, es, fr, hi, it, pt). Lu sur huggingface.co.
- Prises en charge selon Open TTS Leaderboard : 8 langues.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 3e sur 16 en prononciation du français (5,41 %).
Ses 3 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Synthèse vocale
Prononciation du français
3e sur 16taux d'erreur par mot 5,41 %
Vitesse : RTFx 74 : produit 74 secondes d'audio par seconde de calculClonage de voix : non
Source : Open TTS Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 9 octobre 2026.
- En anglais · Synthèse vocale
Synthèse vocale en anglais, Artificial Analysis
54e sur 96Elo 1 064, intervalle 1 053 à 1 075, 5 386 votes
Prix : 0,65 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Synthèse vocale
Synthèse vocale en anglais, TTS Arena
30e sur 38Elo 1 473, intervalle 1 450 à 1 496, 1 033 votes, retiré par son fournisseur
Source : TTS Arena V2, TTS-AGI · relevé du 19 octobre 2026.
Modèles proches
- Prononciation du français : devant, Fish Audio S2 Pro (2e, 5,35 %) · derrière, Supertonic 3 (4e, 5,44 %)
- Synthèse vocale en anglais, Artificial Analysis : devant, Maya 2 Flash (53e, 1 065) · derrière, Magpie-Multilingual 357M (Feb 2026) (même rang, 1 064)
- Synthèse vocale en anglais, TTS Arena : devant, Voice.ai Text to Speech V1 (29e, 1 483) · derrière, Tontaube V0 (31e, 1 481)
Comment lire ces chiffres
Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
hexgrad/Kokoro-82M; Artificial Analysis :Kokoro 82M v1.0; TTS Arena V2 :Kokoro v1.0 - Fiche
- Nom et éditeur tels que les sources les écrivent ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://huggingface.co/hexgrad/Kokoro-82M/raw/main/README.md (« is an open-weight TTS model with 82 million parameters. Despite its lightweight architecture, it delivers comparable quality to larger models while being significantly faster and more cost-efficient. »), 17/10/2026
- https://huggingface.co/hexgrad/Kokoro-82M/raw/main/README.md (« StyleTTS 2: https://arxiv.org/abs/2306.07691 »), 17/10/2026
- https://huggingface.co/hexgrad/Kokoro-82M/raw/main/README.md (« Kokoro was trained exclusively on **permissive/non-copyrighted audio data** and IPA phoneme labels. »), 17/10/2026
- https://huggingface.co/hexgrad/Kokoro-82M/raw/main/README.md (« This is an Apache-licensed model, and Kokoro has been deployed in numerous projects and commercial APIs. »), 17/10/2026
- https://huggingface.co/hexgrad/Kokoro-82M/raw/main/README.md (« | **v1.0** | **2025 Jan 27** | **Few hundred hrs** | [**8 & 54**] »), 17/10/2026
- https://huggingface.co/hexgrad/Kokoro-82M/raw/main/VOICES.md (« [French](#french): 1F »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.