跳到主要内容

用 Kokoro 把文章变成播客音频 —— 从零部署教程

· 阅读需 4 分钟

本文记录了如何在 Mac (Apple Silicon) 上通过 Docker 本地部署 Kokoro TTS，将英文/中文文章转换为高质量音频。

一、为什么选 Kokoro？​

在调研了多个开源 TTS 方案后，最终选择 Kokoro + kokoro-web 的原因：

方案Stars英文效果声音种类协议
Kokoro7k+⭐ 顶级88 种可选Apache 2.0
ChatTTS~33k中等随机生成，不可选CC BY-NC（不可商用）
CosyVoice高一般中文最强Apache 2.0

Kokoro 的核心优势：

  • 英文效果接近 ElevenLabs 商业级别
  • 88 种声音（美式/英式，男/女，A~D 分级）
  • 82M 参数，轻量，M1 Mac CPU 可直接运行
  • Apache 2.0，免费商用

二、声音分级说明​

Kokoro 的声音按质量分为 A~D 级，A 级最高：

English (US) 推荐​

声音级别风格
HeartA温暖女声（推荐首选）
BellaA-高质量女声
NicoleB-自然女声
MichaelC+成熟男声

English (UK) 推荐​

声音级别风格
EmmaB-英式女声
GeorgeC英式男声

💡 每个声音第一次使用时会下载对应的 .bin 文件，之后自动缓存，无需重复下载。

三、部署方式对比​

Docker Compose源码运行纯浏览器（WebGPU）
难度⭐⭐⭐⭐⭐⭐
需要安装DockerNode.js + npm无
推荐场景本地长期使用开发者改源码偶尔体验

结论：日常使用推荐 Docker Compose 方式。

四、环境准备​

1. 安装 Docker Desktop​

由于国内访问 Docker 官网较慢，建议从阿里云镜像下载：

https://mirrors.aliyun.com/docker-toolbox/mac/docker-for-mac/

下载 .dmg 文件，双击安装，打开 Docker Desktop 等待启动（菜单栏出现 🐳 图标）。

2. 配置命令行路径（永久生效）​

echo 'export PATH="$PATH:/Applications/Docker.app/Contents/Resources/bin"' >> ~/.zshrc
source ~/.zshrc

3. 验证安装​

docker --version && docker compose version

输出类似以下内容即为成功：

Docker version 29.4.3, build 055a478
Docker Compose version v5.1.3

五、部署 kokoro-web​

1. 创建项目目录​

mkdir kokoro-web && cd kokoro-web

2. 创建 compose.yaml​

cat > compose.yaml << 'EOF'
services:
  kokoro-web:
    image: ghcr.io/eduardolat/kokoro-web:latest
    ports:
      - "3000:3000"
    environment:
      - KW_SECRET_API_KEY=my-secret-key
    volumes:
      - ./kokoro-cache:/kokoro/cache  # 模型缓存，避免重复下载
    restart: unless-stopped
EOF

KW_SECRET_API_KEY 是本地服务的访问密码，本地使用随便填即可。

3. 启动服务​

docker compose up -d

第一次启动会拉取镜像，需要几分钟。国内访问 ghcr.io 较慢，耐心等待。

4. 验证运行​

docker compose logs -f

看到 Listening on http://0.0.0.0:3000 即为成功。

六、使用 WebUI​

打开浏览器访问：

http://localhost:3000

关键设置​

选项推荐值说明
Execution placeAPI (Self-hosted)使用本地 Docker 模型，而非浏览器
API URLhttp://localhost:3000/api/v1本地服务地址
API Keymy-secret-key就是 compose.yaml 里设置的那个
Model quantizationmodel (q8f16)速度和音质最平衡
Voice qualityHeart (A)推荐首选

⚠️ 重要：Execution place 一定要选 API (Self-hosted)，否则会在浏览器内运行，速度很慢。

七、关于 Markdown 文件输入​

Kokoro 原生只接受纯文本，直接输入 .md 文件会把 ##、**bold** 等 Markdown 语法也读出来。

解决方案：用 pandoc 先转换：

# 安装 pandoc
brew install pandoc

# 转换并生成音频
pandoc article.md -t plain | kokoro-tts - output.mp3 --voice am_michael

八、生成速度说明​

影响生成速度的因素：

  • 文章长度：线性增长，300 词约需 30~60 秒
  • 模型量化：fp32 最慢，q8f16 平衡，q4 最快
  • 运行位置：API (Self-hosted) 用 CPU 跑；Browser 用 GPU 跑但首次需下载模型到浏览器

九、常用管理命令​

docker compose logs -f    # 查看实时日志
docker compose stop       # 停止服务
docker compose start      # 启动服务
docker compose restart    # 重启服务
docker compose pull       # 更新到最新版本

十、相关链接​

资源地址
Kokoro 模型（核心）github.com/hexgrad/kokoro
模型权重下载huggingface.co/hexgrad/Kokoro-82M
在线试听 Demohf.co/spaces/hexgrad/Kokoro-TTS
kokoro-web（WebUI）github.com/eduardolat/kokoro-web

部署环境：MacBook Pro M1 Pro · macOS · Docker Desktop 29.4.3

Share: