hexgradAudiomodellAktiv
Kokoro-82M
BeliebtheitPlatz 98 von 876
51von 100wie im Vormonat
Zusammenfassung
Kokoro-82M ist ein lokaler Open-Weight-TTS-Checkpoint mit 82 Millionen Parametern. Die Gewichte stehen unter Apache 2.0 und v1.0 listet acht Sprachen, 54 Stimmen sowie eine Abtastrate von 24 kHz. Die Architektur nutzt StyleTTS 2 und ISTFTNet als Decoder-only-Aufbau ohne veröffentlichte Diffusions- oder Encoder-Komponente.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 81 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 7
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
Paradee paper Kokoro-82M teacher Whisper WER (af_heart) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 5.7
- Bewertung
- 5.7
- Messgröße
- Whisper base word error rate against source text
- Einheit
- %
- Benchmark-Version
- Paradee paper arXiv:2610.06817v1, Table 2, 200 held-out sentences
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 200
- Quellentyp
- independent-evaluator
- Auswertung
- Paradee authors, arXiv
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exaktes Kokoro-82M-v1.0-Lehrermodell mit Stimme af_heart, ausgewertet auf 200 zurückgehaltenen englischen Sätzen aus dem synthetisierten WikiText-103-Korpus der Studie. Die Studie transkribiert das erzeugte Audio mit Whisper base und vergleicht das Transkript mit dem Ausgangstext. Für WER nennt die Tabelle keinen Konfidenzintervallwert.
- Einordnung
- Dies ist eine automatisierte Verständlichkeitsprüfung mit Whisper, kein Panel mit menschlicher Transkriptbewertung. Das Ergebnis gilt für eine einzelne Stimme und diesen englischen Testsatz. Die Studie nennt einen WER-Punktwert, aber kein separates WER-Konfidenzintervall; es wird daher keines eingetragen.
Artificial Analysis Provider Voice Arena preference (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1061
- Bewertung
- 1061
- Messgröße
- blind pairwise native-voice preference Elo
- Einheit
- elo
- Benchmark-Version
- Current Provider Voice Arena board retrieved 2026-10-15
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Stichprobe
- 5361
- Konfidenzintervall
- 11
- Untere Konfidenzgrenze
- 1050
- Obere Konfidenzgrenze
- 1072
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- superseded
- Abrufdatum
- 2026-10-15
- Methodik
- Unabhängige Evaluation. Blinde paarweise Präferenz für ein natives Sprachset des Anbieters mit 8 Stimmen; 5.361 Board-Auftritte; Angezeigter Modell-Release: Jan 2025.
- Einordnung
- Auftritte entsprechen nicht der Zahl einzelner Hörer. Die aktuelle Seite nennt keinen Evaluierungszeitraum je Modell.
Paradee paper Kokoro-82M teacher UTMOS (af_heart) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 4.52
- Bewertung
- 4.52
- Messgröße
- UTMOS neural prediction of MOS for naturalness, using the utmos22_strong checkpoint
- Einheit
- rating
- Benchmark-Version
- Paradee paper arXiv:2610.06817v1, Table 2, 200 held-out sentences
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Stichprobe
- 200
- Konfidenzintervall
- 0.003
- Quellentyp
- independent-evaluator
- Auswertung
- Paradee authors, arXiv
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exaktes Kokoro-82M-v1.0-Lehrermodell mit Stimme af_heart, ausgewertet auf 200 zurückgehaltenen englischen Sätzen aus dem synthetisierten WikiText-103-Korpus der Studie. Die Studie verwendet den neuronalen MOS-Vorhersage-Checkpoint utmos22_strong und nennt für diesen Lehrerwert ein 95-%-Konfidenzintervall von plus/minus 0,003.
- Einordnung
- UTMOS ist ein auf menschlichen Bewertungen trainierter neuronaler Prädiktor, keine menschliche Hörbewertung aus dieser Studie. Das Ergebnis gilt für eine einzelne Stimme und diesen englischen Testsatz mit 200 Sätzen.
Paradee Table 4 Kokoro-82M teacher DTW log-mel floor (200 held-out sentences) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.12
- Bewertung
- 0.12
- Messgröße
- Dynamic-time-warped log-mel L1 distance to the teacher's second stochastic rendition
- Einheit
- ratio
- Benchmark-Version
- Paradee arXiv:2610.06817v1, Table 4
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 200
- Quellentyp
- independent-evaluator
- Auswertung
- Paradee paper authors, arXiv
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exakte Kokoro-82M-v1.0-Lehrer-Textseite, gerendert mit dem eingefrorenen Lehrer-Decoder auf 200 zurückgehaltenen englischen Sätzen. Tabelle 4 definiert den DTW-Wert der Lehrerzeile als Vergleich mit einem zweiten Lauf und anderem Zufalls-Seed. Es ist eine stochastische Referenzuntergrenze, kein modellübergreifendes Qualitätsranking.
- Einordnung
- Dies ist ein in der Studie berichteter spektraler Wiedergabetreue-Diagnosewert, keine menschliche Präferenz- oder Natürlichkeitsbewertung. Er gilt nur für diese Lehrer-Stimme und -Konfiguration sowie die zurückgehaltenen englischen Sätze; ein Konfidenzintervall wird nicht angegeben.
Paradee Appendix Table 6 Kokoro-82M teacher self-run stochastic reference (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.09
- Bewertung
- 0.09
- Messgröße
- Dynamic-time-warped log-mel L1 distance
- Einheit
- ratio
- Benchmark-Version
- Paradee arXiv:2610.06817v1, Appendix Table 6
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 5
- Quellentyp
- independent-evaluator
- Auswertung
- Paradee paper authors, arXiv
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exaktes Kokoro-82M-Lehrermodell im Vergleich mit einem zweiten Lauf mit anderer Zufallserregung, auf denselben fünf englischen Sätzen der DTW-log-mel-Referenzmessungen in Anhang A. Ein niedrigerer Wert bedeutet eine engere spektrale Ausrichtung. Dies ist eine stochastische Basis, kein unabhängiger Qualitätswert.
- Einordnung
- Diese Diagnose mit fünf Sätzen schätzt die Abweichung zwischen Läufen und ordnet keine Modelle. Ein Konfidenzintervall wird nicht angegeben.
Paradee Appendix Table 6 Kokoro-82M teacher full-weight fp16 reference (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.11
- Bewertung
- 0.11
- Messgröße
- Dynamic-time-warped log-mel L1 distance from full-precision teacher
- Einheit
- ratio
- Benchmark-Version
- Paradee arXiv:2610.06817v1, Appendix Table 6
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 5
- Quellentyp
- independent-evaluator
- Auswertung
- Paradee paper authors, arXiv
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exaktes Kokoro-82M-Lehrermodell mit fp16 für alle Gewichte, verglichen mit dem vollpräzisen Lehrer auf denselben fünf englischen Sätzen der Studie. Tabelle 6 berichtet den DTW-log-mel-Abstand. Dies ist eine Präzisions-/Referenzdiagnose, kein Modellranking.
- Einordnung
- Dieses Ergebnis mit fünf Sätzen misst die spektrale Wiedergabetreue zum vollpräzisen Lehrer, nicht menschliche Präferenz oder Natürlichkeit. Ein Konfidenzintervall wird nicht angegeben.
Paradee Appendix Table 6 Kokoro-82M teacher ONNX fp32 export fidelity (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.21
- Bewertung
- 0.21
- Messgröße
- Dynamic-time-warped log-mel L1 distance from PyTorch teacher
- Einheit
- ratio
- Benchmark-Version
- Paradee arXiv:2610.06817v1, Appendix Table 6
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 5
- Quellentyp
- independent-evaluator
- Auswertung
- Paradee paper authors, arXiv
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exakter ONNX-fp32-Export des Kokoro-82M-Lehrermodells im Vergleich mit der PyTorch-Referenz auf denselben fünf englischen Sätzen. Gemessen wird die Ausgabe-Treue des Exports beziehungsweise der Laufzeit, kein unabhängiges Modellranking.
- Einordnung
- Dieses Ergebnis mit fünf Sätzen misst die Treue des Exports beziehungsweise der Laufzeit zur PyTorch-Implementierung, nicht menschliche Präferenz oder Natürlichkeit. Ein Konfidenzintervall wird nicht angegeben.
Paradee Appendix Table 6 Kokoro-82M teacher all-weight int8 per-channel fidelity (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.28
- Bewertung
- 0.28
- Messgröße
- Dynamic-time-warped log-mel L1 distance from full-precision teacher
- Einheit
- ratio
- Benchmark-Version
- Paradee arXiv:2610.06817v1, Appendix Table 6
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 5
- Quellentyp
- independent-evaluator
- Auswertung
- Paradee paper authors, arXiv
- Status
- disputed
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exaktes Kokoro-82M-Lehrermodell mit int8-pro-Kanal-Quantisierung aller Gewichte und fp32-Aktivierungen, verglichen mit der vollpräzisen Referenz auf denselben fünf englischen Sätzen. Anhangstabelle 6 nennt eine Daueränderung von 25 ms. Tabelle 7 berichtet im separat beschriebenen Quantisierungsexperiment einen ähnlichen All-weights-8-bit-Wert von 0,270. Beide Quellenwerte bleiben als strittig erhalten und werden nicht angeglichen.
- Einordnung
- Diese Kennzahl mit fünf Sätzen misst die spektrale Wiedergabetreue zum vollpräzisen Lehrer, nicht menschliche Präferenz oder Natürlichkeit. Die Studie nennt in Tabellen 6 und 7 unterschiedliche Gesamtwerte. Deshalb ist dieser Wert als strittig markiert; ein Konfidenzintervall fehlt.
Paradee Appendix Table 6 Kokoro-82M teacher CPU versus Apple MPS output fidelity (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.39
- Bewertung
- 0.39
- Messgröße
- Dynamic-time-warped log-mel L1 distance between CPU and Apple MPS runs
- Einheit
- ratio
- Benchmark-Version
- Paradee arXiv:2610.06817v1, Appendix Table 6
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 5
- Quellentyp
- independent-evaluator
- Auswertung
- Paradee paper authors, arXiv
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exaktes Kokoro-82M-Lehrermodell, CPU-Lauf im Vergleich zur Apple-MPS-Ausgabe auf denselben fünf englischen Sätzen. Dies ist ein Vergleich der Backend-Ausgabetreue, kein Modellqualitätswert.
- Einordnung
- Dieses Ergebnis mit fünf Sätzen misst Unterschiede zwischen Implementierungen beziehungsweise Backends, nicht menschliche Präferenz oder Natürlichkeit. Ein Konfidenzintervall wird nicht angegeben.
Paradee Appendix Table 6 Kokoro-82M teacher prebuilt dynamic-int8 ONNX fidelity (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.58
- Bewertung
- 0.58
- Messgröße
- Dynamic-time-warped log-mel L1 distance from full-precision teacher
- Einheit
- ratio
- Benchmark-Version
- Paradee arXiv:2610.06817v1, Appendix Table 6
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 5
- Quellentyp
- independent-evaluator
- Auswertung
- Paradee paper authors, arXiv
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exaktes Kokoro-82M-Lehrermodell mit dem vorgefertigten dynamischen int8-ONNX-Export der Studie und quantisierten Aktivierungen, verglichen mit der vollpräzisen Lehrer-Ausgabe auf denselben fünf englischen Sätzen. Tabelle 6 nennt eine Daueränderung von 65 ms.
- Einordnung
- Dieses Ergebnis mit fünf Sätzen misst die spektrale Wiedergabetreue zum vollpräzisen Lehrer, nicht menschliche Präferenz oder Natürlichkeit. Ein Konfidenzintervall wird nicht angegeben.
Paradee Appendix Table 6 Kokoro-82M teacher all-weight int4 group-64 fidelity (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.67
- Bewertung
- 0.67
- Messgröße
- Dynamic-time-warped log-mel L1 distance from full-precision teacher
- Einheit
- ratio
- Benchmark-Version
- Paradee arXiv:2610.06817v1, Appendix Table 6
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 5
- Quellentyp
- independent-evaluator
- Auswertung
- Paradee paper authors, arXiv
- Status
- disputed
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exaktes Kokoro-82M-Lehrermodell mit int4-Quantisierung aller Gewichte in Gruppen zu 64, verglichen mit der vollpräzisen Referenz auf denselben fünf englischen Sätzen. Anhangstabelle 6 nennt eine Daueränderung von 60 ms. Tabelle 7 berichtet separat 0,624 für alle Gewichte in der Spalte 4-Bit-Gruppen zu 64. Beide Quellenwerte bleiben strittig und werden nicht angeglichen.
- Einordnung
- Diese Kennzahl mit fünf Sätzen misst die spektrale Wiedergabetreue zum vollpräzisen Lehrer, nicht menschliche Präferenz oder Natürlichkeit. Die Studie nennt in Tabellen 6 und 7 unterschiedliche Gesamtwerte. Deshalb ist dieser Wert als strittig markiert; ein Konfidenzintervall fehlt.
Paradee Appendix Table 6 Kokoro-82M af_bella voice-reference distance (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.27
- Bewertung
- 1.27
- Messgröße
- Dynamic-time-warped log-mel L1 distance from af_heart teacher reference
- Einheit
- ratio
- Benchmark-Version
- Paradee arXiv:2610.06817v1, Appendix Table 6
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 5
- Quellentyp
- independent-evaluator
- Auswertung
- Paradee paper authors, arXiv
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exaktes Kokoro-82M-v1.0-Lehrermodell, das denselben englischen Text mit Stimme af_bella rendert, verglichen mit der af_heart-Lehrerreferenz auf fünf englischen Sätzen. Die Sprecherstimme wird absichtlich geändert. Dies ist eine Referenzsensitivitätsdiagnose, kein Wert für die af_heart-Konfiguration.
- Einordnung
- Diese Diagnose mit fünf Sätzen vergleicht absichtlich zwei verschiedene Stimmen und darf nicht als Modellqualität bei gleicher Stimme gelesen werden. Ein Konfidenzintervall wird nicht angegeben.
Seite 1 von 7
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
0 bis 100, höher ist beliebter
20 von 83 Modellen
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 6. November 2026
Kokoro-82MConfucius4-R2T2 52NVIDIA Nemotron 3.5 Transcribe 52Granite Speech 5.0 470M TurboCTC 52Nova-3 51
Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:
- 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.
Kokoro-82M im Vergleich
- 1Kokoro-82M vs. Fish Audio S2 Pro1 gemeinsamer Test
- 2Kokoro-82M vs. Gemini 3.1 Flash TTS1 gemeinsamer Test
- 3Kokoro-82M vs. Sonic 3.61 gemeinsamer Test
- 4Kokoro-82M vs. Eleven v31 gemeinsamer Test
- 5Kokoro-82M vs. Eleven Flash v2.51 gemeinsamer Test
- 6Kokoro-82M vs. Eleven v41 gemeinsamer Test
- 7Kokoro-82M vs. Eleven v4 Turbo1 gemeinsamer Test
Ähnliche Modelle
Weitere Modelle derselben Art wie Kokoro-82M, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- Granite Speech 5.0 470M TurboCTCIBM · ähnliche Größe
- Granite Speech 5.0 470M TurboCTC NCIBM · ähnliche Größe
- Fish Audio S2 ProFish Audio · etwa gleichzeitig erschienen
- OrukeetOruk · ähnliche Größe
- MOSS-Audio-4B-ThinkingOpenMOSS Team · etwa gleichzeitig erschienen
- Nemotron-3-DiarizationNVIDIA · etwa gleichzeitig erschienen
- pyannote Community-1pyannote · beliebt in dieser Kategorie
- NVIDIA Nemotron 3.5 TranscribeNVIDIA · etwa gleichzeitig erschienen
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Wasserzeichen-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
API
Weitere Angaben
Quellen und Datenstand
Alle 19 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.
| Art | Nachweis und Datenstand |
|---|---|
| Recherchestand | Recherchestand 15. Oktober 2026. 14 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Nicht veröffentlicht | per-model-denominator-and-confidence-interval Hinweis Die aktuelle Hume-TTS-Seite veröffentlicht für den Frontier-Score weder Fallzahl je Modell noch ein Konfidenzintervall. |
| Nicht veröffentlicht | benchmark-model-weight-revision Hinweis Der Bericht nennt Modellrepository und Laufzeitversionen, aber keine verwendete Gewichtsrevision. Die heutige Hugging Face API-Revision kann nicht rückwirkend als Laufrevision ausgegeben werden. |
| Ungeklärt | cpu-run-reconciliation Hinweis Der gepinnte Repository-Bericht vom 6. Juli und der öffentliche Artikel vom 22. Juni berichten teilweise verschiedene Werte; Ursache oder Beziehung der Läufe ist nicht veröffentlicht. |
| Ungeklärt | per-type N and interval definition Hinweis Die Dograh-Seite lässt N je Typ außer Datum (40) offen. Die Datum-Detailansicht bezeichnet 0,03–0,20 als „95% range“, definiert das Intervall aber nicht; Konfidenzintervallfelder bleiben leer. |
| Weitere Quelle | Kokoro model card (abgerufen 24. September 2026; 15. Oktober 2026; 16. Oktober 2026; 17. Oktober 2026) · Kokoro-82M model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026 |
| Weitere Quelle | Artificial Analysis (abgerufen 15. Oktober 2026; 3. November 2026) |
| Weitere Quelle | Paradee authors, arXiv (abgerufen 16. Oktober 2026) |
| Weitere Quelle | Hume AI Real World VoiceEQ (abgerufen 17. Oktober 2026) |
| Weitere Quelle | HeyNEO Kokoro CPU Benchmark (abgerufen 17. Oktober 2026) |
| Weitere Quelle | DLYog Lab Research Services LLC, Distribution-Time Voice Specialization technical report (abgerufen 18. Oktober 2026) |
| Weitere Quelle | Pakorn Nathong and Kunat Pipatanakul, Paxa Labs, Kokoro-82M CPU serving study (abgerufen 18. Oktober 2026) |
| Weitere Quelle | Dograh TTS verbalization benchmark (abgerufen 19. Oktober 2026) |
| Weitere Quelle | LiteRT Community Kokoro-82M model card (abgerufen 23. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 17. Oktober 2026)1234 |
| Weitere Quelle | OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Ollama: kumulierte Downloads für den Beliebtheitsindex |
| Weitere Quelle | Replicate: kumulierte Ausführungen für den Beliebtheitsindex |
| Weitere Quelle | Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA |
| Weitere Quelle | Creative Commons Attribution 4.0 |