Kokoro-82M의 개요
상태: 더 이상 유지보수되지 않습니다. hexgrad/kokoro의 마지막 커밋은 2025년 8월 6일이고 가중치는 2025년 4월에 마지막으로 갱신돼, 1년 넘게 변화가 없습니다. 그래도 Hugging Face에서 월 약 1,000만(10 million) 회 다운로드됩니다. Kokoro는 hexgrad라는 개발자가 StyleTTS 2 아키텍처로 만든 파라미터 8,200만(82 million) 개의 오픈 웨이트 텍스트 음성 변환 모델입니다. 2025년 1월 27일 공개된 버전 1.0은 8개 언어에 걸쳐 프리셋 음성 54개를 제공하며, Python 패키지는 미국·영국 영어, 스페인어, 프랑스어, 힌디어, 이탈리아어, 브라질 포르투갈어, 일본어, 중국어(표준어)를 지원합니다.
가중치는 Apache 2.0입니다. 모델 카드에 따르면 수백 시간 분량의 퍼블릭 도메인 및 허용적 라이선스 오디오와, 대형 업체의 폐쇄형 TTS 모델이 생성한 합성 음성으로 약 $1,000어치의 GPU 시간을 들여 학습했습니다. Hugging Face 페이지에는 지난 한 달 1,000만(10 million) 회 이상의 다운로드가 기록돼 있습니다. v1.0 이후 새 모델은 없고, GitHub 저장소의 마지막 커밋은 14개월도 더 전인 2025년 8월 6일입니다.
Kokoro-82M의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| Weights | Free | Apache 2.0 |
| Replicate | $0.65 per million characters | Artificial Analysis 기준 |
| DeepInfra | $0.99 per million characters |
Apache 2.0으로 무료입니다. 호스팅은 Replicate에서 100만 자당 $0.65(Artificial Analysis 기준)로 리더보드 최저가이며, DeepInfra에서는 $0.99입니다.
Kokoro-82M, 쓸 만한 가치가 있습니까?
음성이 싸고, 로컬에서 돌고, 법적으로 단순해야 할 때 Kokoro는 기본 선택지이고, 사람처럼 들려야 할 때는 맞지 않는 선택지입니다. Artificial Analysis는 텍스트 음성 변환 모델 98개 중 57위, 1065 Elo로 평가합니다. Amazon Polly Generative(1066)와 비슷하고 오픈 모델 Chatterbox(1024)보다 앞서며, 100만 자당 $0.65로 보드 최저가입니다. 1위 Eleven v4 Turbo는 1335이고 같은 100만 자에 $40입니다.
경제성은 크기에서 나옵니다. 가중치와 음성 팩을 합친 저장소 전체가 약 330 MB이고, 모델은 ISTFTNet 보코더를 쓰며 디퓨전 단계가 없는 디코더 전용 StyleTTS 2 설계입니다. 모델 카드의 어림셈은 1,000자에 오디오 1분이므로, 호스팅된 Kokoro는 음성 1시간에 $0.06 미만입니다.
라이선스는 대부분보다 단순하지만, "허용적 라이선스 오디오"라는 말이 풍기는 만큼 깨끗하지는 않습니다. 가중치는 Apache 2.0입니다. 학습 데이터는 퍼블릭 도메인, Apache 및 MIT 라이선스, CC BY 오디오에 폐쇄형 상용 TTS 모델의 합성 음성을 섞었고, 모델 카드는 미국 저작권청 지침을 근거로 이를 옹호합니다. 그것이 해당 업체들의 약관과 충돌하지 않는지는 모델 카드가 아니라 법률 자문이 답할 문제입니다.
개발은 멈췄습니다. v1.0은 2025년 1월 27일 나왔고, 저장소는 이번 확인 시점보다 14개월도 더 전인 2025년 8월 6일에 마지막으로 수정됐으며, 프리셋 음성 54개 외에 복제나 스타일 제어는 여전히 없습니다. 인기만큼 모방 사이트도 생겼습니다. 모델 카드는 도메인에 "kokoro"가 들어간 웹사이트들이 무관하며 사기일 가능성이 높다고 경고합니다. 호스팅 버전을 찾는 구매자에게는 실제 위험입니다.
제 역할을 하는 곳
지역 뉴스 매체의 접근성 엔지니어
글자당 요금 부담 없이 모든 기사에 듣기 오디오 붙이기
기존 서버에서 기사마다 미리 렌더링하거나 호스트를 호출합니다. 100만 자당 $0.65이면 월 5,000만 자는 약 $33입니다. 청취자는 또렷하지만 누가 들어도 합성된 목소리를 듣게 됩니다.
Android와 데스크톱용 오프라인 읽기 앱 개발자
네트워크 없이 동작하는 내장 내레이션 넣기
다운로드가 작고 Apache 라이선스라 로열티 없이 번들할 수 있습니다. 패키지는 일부 언어와 낯선 영어 단어에 espeak-ng를 쓰므로, 그 의존성과 라이선스도 앱에 함께 따라갑니다.
사내 교육 모듈 2,000개를 맡은 교육 담당 매니저
중요도가 낮은 강좌 콘텐츠에 저렴하게 음성 입히기
Artificial Analysis 가격 기준으로 1억(100 million) 자, 대략 1,700시간 분량 오디오는 호스팅 Kokoro로 약 $65, Eleven v4 Turbo로는 약 $4,000입니다. 학습자는 270점의 Elo 차이를 듣게 됩니다.
도입 전 확인할 점
- 설정
- pip install kokoro(0.9.2 이상)와 espeak-ng를 설치한 뒤 KPipeline으로 Python 몇 줄을 씁니다. 출력은 24 kHz 오디오입니다. Apple Silicon GPU에서는 PYTORCH_ENABLE_MPS_FALLBACK=1이 필요합니다.
- 연동
- misaki 문자-음소 변환 라이브러리 위에 만든 Python 패키지, Replicate와 DeepInfra의 호스팅 엔드포인트, Hugging Face의 데모 Space가 있습니다.
- 데이터와 개인정보
- 가중치는 Apache 2.0이며 상업 이용이 허용됩니다. 학습에는 퍼블릭 도메인, 허용적 라이선스, CC BY 오디오(Koniwa, SIWIS)와 폐쇄형 TTS 모델의 합성 출력이 섞였습니다. 셀프 호스팅하면 텍스트가 내 서버에 머뭅니다.
- 대규모 사용 시 비용
- Replicate에서 100만 자당 $0.65(Artificial Analysis 수치), DeepInfra에서 $0.99이므로, 월 1억(100 million) 자, 약 1,700시간 분량 오디오는 호스팅으로 $65~$99입니다.
- 제한
- 8개 언어의 프리셋 음성 54개, 음성 복제와 감정 제어 없음, 1065 Elo, 2025년 1월 v1.0 이후 모델 릴리스 없음.
좋은 점
- Apache 2.0, 음성 팩 포함 약 330 MB
- 호스팅 100만 자당 $0.65로 Artificial Analysis 최저가
- 8개 언어에 걸친 프리셋 음성 54개
- 디퓨전 단계 없는 디코더 전용 설계
아쉬운 점
- 1065 Elo: Polly Generative와 비슷하고 1위보다 270 낮음
- 프리셋 음성만 있고 복제나 감정 제어 없음
- 2025년 1월 이후 모델 업데이트 없음
- 학습 데이터에 폐쇄형 TTS 모델의 합성 오디오 포함
추천 대상
내레이션, 접근성, 프로토타입용으로 저렴하고 허용적 라이선스의 음성이 필요한 개발자.
Kokoro-82M 대안
Kokoro-82M: 자주 묻는 질문
- Kokoro-82M, 쓸 만한 가치가 있습니까?
- 이만큼 작은 모델 중 이만큼 좋은 소리를 내는 것은 없지만, 2025년 8월 이후 업데이트가 없으므로 앞으로 나아질 프로젝트가 아니라 완성된 소프트웨어로 보아야 합니다. 평점은 5점 만점 에 3.9점입니다.
- Kokoro-82M의 가격은 얼마입니까?
- Apache 2.0으로 무료입니다. 호스팅은 Replicate에서 100만 자당 $0.65(Artificial Analysis 기준)로 리더보드 최저가이며, DeepInfra에서는 $0.99입니다.
- Kokoro-82M의 단점은 무엇입니까?
- 1065 Elo: Polly Generative와 비슷하고 1위보다 270 낮음; 프리셋 음성만 있고 복제나 감정 제어 없음; 2025년 1월 이후 모델 업데이트 없음; 학습 데이터에 폐쇄형 TTS 모델의 합성 오디오 포함.
- Kokoro-82M에 적합한 사람은 누구입니까?
- 내레이션, 접근성, 프로토타입용으로 저렴하고 허용적 라이선스의 음성이 필요한 개발자.
- 팀이나 프로덕션 환경에서 Kokoro-82M의 비용은 얼마입니까?
- Replicate에서 100만 자당 $0.65(Artificial Analysis 수치), DeepInfra에서 $0.99이므로, 월 1억(100 million) 자, 약 1,700시간 분량 오디오는 호스팅으로 $65~$99입니다.
- Kokoro-82M에 회사 데이터를 맡겨도 안전합니까?
- 가중치는 Apache 2.0이며 상업 이용이 허용됩니다. 학습에는 퍼블릭 도메인, 허용적 라이선스, CC BY 오디오(Koniwa, SIWIS)와 폐쇄형 TTS 모델의 합성 출력이 섞였습니다. 셀프 호스팅하면 텍스트가 내 서버에 머뭅니다.
- Kokoro-82M의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Chatterbox, Qwen3-TTS, Gemini 3.8 Flash TTS 및 OmniVoice입니다.
답변 확인일: 2026년 10월 26일.