KokoroSharp : TTS local, rapide et multi‑plateforme

KokoroSharp est un moteur d'inférence pour Kokoro TTS, écrit en C# et propulsé par ONNX Runtime. Il permet de synthétiser de la voix localement, hors ligne, avec prise en charge de multiples voix et langues.

Installation

# .NET CLI
dotnet add package KokoroSharp.CPU

Pour l'accélération GPU, consultez RUNNING_ON_GPU.md sur le dépôt GitHub. Les voix officielles (Hexgrad Kokoro 82M v1.0) sont incluses dans le package NuGet.

Démarrage rapide

using KokoroSharp;

// Charger ou télécharger le modèle (~320 Mo en précision complète)
KokoroTTS tts = KokoroTTS.LoadModel();

// Choisir une voix (incluse dans le package NuGet)
KokoroVoice heart = KokoroVoiceManager.GetVoice("af_heart");

// Parler une phrase (détection de langue automatique selon la voix)
tts.SpeakFast("Bonjour le monde", heart);

Streaming par segments

using KokoroSharp;
using System.Threading.Channels;

var tts = KokoroTTS.LoadModel();
var voice = KokoroVoiceManager.GetVoice("af_alloy");

// Diffuser les segments au fil de la synthèse
await foreach (var segment in tts.StreamSegmentsAsync("Texte long à lire", voice))
{
    // segment.Audio contient des octets PCM que vous pouvez mettre en file d'attente dans un lecteur
    Console.WriteLine($"Segment reçu: {segment.Index}, {segment.DurationMs}ms");
}

Mixage de voix

using KokoroSharp;

var tts = KokoroTTS.LoadModel();
var mix = new KokoroVoiceMix()
    .Add(KokoroVoiceManager.GetVoice("af_heart"), weight: 0.6f)
    .Add(KokoroVoiceManager.GetVoice("af_alloy"), weight: 0.4f);

tts.SpeakFast("Mixage de voix en temps réel", mix);

Fonctionnalités clés

Notes et bonnes pratiques

• La détection de langue est automatique selon la voix chargée.
• Le répertoire 'voices' est copié automatiquement dans le dossier de build.
• La phonémisation intégrée repose sur eSpeak NG selon la plateforme.
• Vous pouvez charger un modèle spécifique avec KokoroTTS.LoadModel(path).
• Le tokeniseur intégré peut être contourné si vous fournissez des phonèmes.