O Kokoro-ONNX não só é compatível com as funções básicas de síntese de fala, mas também oferece diversas opções de seleção de voz. Os usuários podem selecionar diferentes estilos e recursos de voz por meio do arquivo de configuração voices.json, que inclui principalmente o modo sussurro como um efeito sonoro especial.
A base técnica para a implementação da diversidade sonora é um conjunto de dados de fala de alta qualidade e modelos de rede neural finamente ajustados. O sistema torna a fala de saída claramente distinguível ao modelar diferentes recursos de voz. Esse suporte a várias vozes é particularmente adequado para cenários de aplicação, como produção de audiolivros e sistemas de diálogo de jogos que exigem diferenciação de personagens.
Esse design equilibrado é uma vantagem significativa em relação à maioria das ferramentas TTS, pois o Kokoro-ONNX oferece recursos de personalização de voz de nível profissional e, ao mesmo tempo, é leve.
Essa resposta foi extraída do artigoKokoro-ONNX: ferramenta eficiente de conversão de texto em fala com suporte a vários idiomas e várias vozesO
