600msも待てない音声エージェントのために

Hexgrad: Kokoro 82M

hexgrad/kokoro-82m
提供中 tts 1プロバイダー
Playground

Hexgrad Kokoro-82M is an open-weight 82M-parameter text-to-speech model (StyleTTS 2 + ISTFTNet) delivering large-model quality at low cost, hosted on Together AI.

作成者Hexgrad
言語8言語
ボイス読み込み中...
レスポンス形式同期: MP3 · WAV · PCM
ストリーミング: PCM
ステータス提供中

プロバイダー

同じモデルを複数のプロバイダーがホストしている場合があります。バックエンドを固定したい場合は1つのプロバイダーを選び、そうでなければルーティングに選択を任せられます。

プロバイダーSlug1,000文字あたりレイテンシiTTSのレイテンシは音声の最初のバイトが届くまでの時間、STTのレイテンシは最初のトークンが届くまでの時間で計測しています。モード稼働率
Together AI 7個のパラメーター
together
$0.01
—
同期 · ストリーミング

対応言語

8言語
English en
Japanese ja
Chinese (Mandarin) zh
Spanish es
French fr
Hindi hi
Italian it
Portuguese (Brazil) pt

ボイス

機能

Text to speech

Generates spoken audio from text input.

text_to_speech
Streaming

Streaming TTS over HTTP and WebSocket.

streaming
Synchronous

Synthesizes speech from fully-submitted text in a single synchronous request.

synchronous
Voice mixing

Together supports mixing voices with + (e.g. af_bella+af_heart).

voice_mixing

コード

クライアント
モード
言語

ElevenLabs SDKでのストリーミングTTS

ElevenLabs SDKをAllModels経由でルーティングし、音声レスポンスをストリーミングします。

import { ElevenLabsClient } from "elevenlabs";

const client = new ElevenLabsClient({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseUrl: "https://api.allmodels.io/el"
});

const stream = await client.textToSpeech.stream("voice_id", {
  text: "I'm sorry, Dave. I'm afraid I can't do that.",
  modelId: "hexgrad/kokoro-82m",
  outputFormat: "mp3_44100_128"
}, {
  queryParams: {
    provider: {
      "only": [
        "together"
      ]
    }
  }
});

const reader = stream.getReader();
for (;;) {
  const { done, value } = await reader.read();
  if (done) break;
  // Write value to your response, file, or audio playback pipeline.
}