定義
Kokoroとは、少ないパラメータ数で高品質な音声を生成できる軽量なオープンソースの音声合成(TTS)モデルのこと。
Kokoro (軽量TTS)とは（詳しく解説）
Kokoroは軽量なオープンソースの音声合成(TTS)モデルで、モデルサイズを抑えながら自然な音声を生成できる点が特徴とされる。ElevenLabsなど商用APIのようなライセンス費用がかからず、ローカルやエッジ環境でも動かしやすいことから、コストを抑えたい開発者や個人開発のプロトタイピングで採用が広がっているとされる。一方で2026年時点の実運用では、対応言語や話者のバリエーションが商用サービスほど豊富ではなく、日本語のイントネーションや感情表現の自然さでは大手クラウドTTSに一歩譲るとされる。さらに商用APIのような従量課金ではなくGPUやCPUのリソースを自前で用意する必要があるため、想定したほどコストが下がらないケースもあると指摘される。現場での選び方としては、大量生成やバッチ処理にはKokoroのような軽量オープンソースTTSを、品質や話者表現力が重要な顧客向けコンテンツには商用TTSを使い分けるのが実務上の相場感とされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「Kokoro (軽量TTS)とは」 https://aipicks.jp/glossary/kokoro
Kokoro (軽量TTS)の使用例
- ローカルPCでKokoroを動かし、記事のナレーション音声をバッチ生成する
- デモ動画の読み上げ音声をKokoroで軽量に生成し、コストを抑える
