返回资讯中心
外部精选
软件工程
#开发者实时流

Kokoro Read-Aloud 发布:任意应用选中文本即可本地朗读

来源标题:Kokoro Read-Aloud – select text in any app, hear it read locally

Kokoro Read-Aloud 支持在任意应用选中文本后按 Ctrl+Alt+R,由本地神经网络语音朗读,文字不会离开本机。默认版本下载 0.2 GB,在 CPU 上运行 8.5 MB 的 Paradee-8M 模型,i5-12400F 上约 30 毫秒开始发声,合成速度比播放快 50 至 70 倍;GPU 版则加入 Kokoro 及 28 种声音。支持 Linux 和 Windows 11。

Hacker News 最新sayedqutobwork2026/11/20 · 今天22 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

在任意应用中选中文本,按下 Ctrl+Alt+R,一个运行在你自己机器上的神经网络语音就会把它朗读出来。不需要 GPU:默认构建下载量 0.2 GB,在 CPU 上运行 Paradee-8M——Kokoro-82M 的一个 8.5 MB 精简版。在 i5-12400F 上,它拿到文本后约 30 毫秒就开始发声,合成速度是播放速度的 50 到 70 倍。如果有 NVIDIA GPU,GPU 构建会额外加入 Kokoro 本身及其 28 种语音。它支持 Linux(Omarchy、Fedora GNOME)和 Windows 11,你的文本始终不会离开本机。

安装 • 用法 • 设置 • 故障排除 • 报告 bug

轻量。下载 0.2 GB,磁盘占用 0.6 GB,运行时内存约 0.35–0.7 GB,且不依赖 PyTorch。四种语音;GPU 构建有 28 种。

快速聆听,依然清晰。最高可 3 倍速聆听,同时保持语音音高不变,还能看到你的机器跟得上的最快速度。

显示你读到哪里。字幕条会显示正在朗读的句子,无论文本来自哪个应用。

需要时归还显存。在 Omarchy 上使用 GPU 构建时,状态栏可在 GPU 上的 Kokoro、CPU 上的 Paradee 和关闭之间切换,这样游戏或本地 LLM 就能使用 GPU。

版本固定且离线。软件包和模型文件都固定到经过测试的版本和哈希,在 Linux 上服务器在安装完成后不再建立任何网络连接。

支持 Windows 11。与 Linux 上相同的服务器、快捷键和设置。2026-10-19 在无 GPU 的虚拟机中重新测试,当时 CPU 构建尚未改为 Paradee;新的 CPU 构建尚未在 Windows 上测试。

以上各项背后的细节见工作原理。

仅支持英语。共有 28 种美式和英式语音,CPU 构建有四种。其他拉丁字母语言会得到英语发音,其他文字系统和 emoji 会被跳过。

下载大小。CPU 构建下载约 0.2 GB,磁盘占用约 0.6 GB。GPU 构建额外加入 Kokoro 的 28 种语音,下载约 4 GB,磁盘占用约 7 GB。

GPU 构建需要 NVIDIA。它是为了 Kokoro 的 28 种语音和更好的音质,而不是为了速度。Paradee 的音质略低,戴耳机时最明显,但在 i5-12400F 上它开始发声的速度与 GPU 一样快(测量数据)。

Linux 上不支持原地高亮,只有字幕条。

平台 测试情况 Omarchy 4.0.4(Hyprland),NVIDIA 2026-10-18 从本仓库干净安装 GPU 构建;2026-11-01 CPU 构建的软件包和模型安装并朗读成功 Fedora 44(GNOME),NVIDIA 最后运行于 2026-09-30;安装器尚未在那里运行过 Windows 11 2026-10-19 在无 GPU 的虚拟机中全新安装,当时 CPU 构建尚未改为 Paradee;GPU 路径最后测试于 2026 年 8 月中旬

安装

在 Linux 上,一条命令 kokoroctl setup 即可完成全部安装,无需 root,安装在代码文件夹之外。它需要先安装几个系统软件包。

sudo pacman -S --needed tk portaudio wl-clipboard jq curl libnotify omarchy plugin add https://github.com/sayed-qutob-work/kokoro-read-aloud --enable

Omarchy 会要求你确认,因为插件在 shell 中以无沙箱方式运行。然后它会询问使用哪个状态栏区域。那里会出现一个 Kokoro 图标,显示为五个暗点。点击它,选择构建:CPU(约 0.2 GB,默认)或 GPU(约 4 GB,仅限 NVIDIA)。Kokoro 就绪时会有通知。Ctrl+Alt+R、T 和 S 会为你绑定好。

改为从终端安装:

~/.config/omarchy/plugins/io.github.sayed-qutob-work.kokoro-read-aloud/linux/kokoroctl setup

Fedora(GNOME)

sudo dnf install python3-tkinter python3-xlib portaudio wl-clipboard jq curl libnotify git clone https://github.com/sayed-qutob-work/kokoro-read-aloud.git cd kokoro-read-aloud linux/kokoroctl setup

安装程序不会绑定 GNOME 快捷键;它会打印三条命令。请在 设置 > 键盘 > 查看及自定义快捷键 > 自定义快捷键 中绑定它们。kokoroctl setup 尚未在 Fedora 上运行过;请报告实际结果。

你需要 Python 3.12(必须正好是 3.12)、AutoHotkey v2 和 Visual C++ 运行库——GPU 构建的 torch 需要它,而全新的 Windows 没有(winget install Microsoft.VCRedist.2015+.x64)。

git clone https://github.com/sayed-qutob-work/kokoro-read-aloud.git cd kokoro-read-aloud py -3.12 -m venv env env\Scripts\python.exe -m pip install -r requirements-cuda.txt env\Scripts\python.exe tts_server.py

如果没有 NVIDIA GPU,请安装 requirements.txt 而不是 requirements-cuda.txt。当它打印出 ready on http://127.0.0.1:5111 时,启动 read_aloud.ahk。要在登录时自动启动全部服务,请把 start_tts.vbs 的快捷方式放进 shell:startup。

安装程序做了什么、文件放在哪里,以及 Windows 相关细节,见 install.md。

按键 操作 Ctrl+Alt+R 朗读选中内容 Ctrl+Alt+T 按原样朗读剪贴板 Ctrl+Alt+S 停止

这些快捷键在所有能选中文本的地方都有效,包括终端和 PDF。在 Linux 上,选中内容被朗读时不会被复制。在 Windows 上,快捷键会先复制选中内容,然后恢复你的剪贴板;Windows Terminal 无需任何设置,在 VS Code 的终端中你需要开启选中即复制。

字幕条默认关闭。在 Omarchy 面板中用 Captions 开启,或在任意 Linux 上用 systemctl --user enable --now kokoro-overlay 开启(选项)。

在 Windows 上,正在朗读的词还会在应用本身中着色:在 Firefox 中、在记事本中,以及在 Chrome 或 Edge 中配合随附的扩展(细节)。

在 Linux 的终端中,kokoroctl 可以关闭和开启模型、切换 GPU 和 CPU,以及更改语音和速度(参考)。

你的文本留在你的机器上。模型在本地运行,服务器只监听 127.0.0.1。

在 Linux 上安装后无网络。服务器以 Hugging Face 的离线模式从磁盘加载固定版本的模型文件。它已在完全无网络的环境下测试过。在 Windows 上,见 install.md。

网页无法使用它。服务器拒绝来自浏览器标签页的请求,包括 DNS 重绑定,并且只接受来自本地程序的 JSON。直到 2026-10-18,网页还能让它发声并读取它正在读的内容:三种攻击,在修复前后都做了测量。

任何以你的身份运行的程序仍然可以使用它,这与任何本地服务一样。

在 Linux 上其他账户无法使用它。服务器拒绝来自其他程序的请求。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →