Piper مقابل Kokoro TTS (2026): أي محرك صوت محلي يجب أن تستخدم؟

ما هو كل محرك فعليًا

• Piper محرك تحويل نص إلى كلام عصبي، أنشأه في الأصل Michael Hansen ضمن Rhasspy، وهي مجموعة أدوات مفتوحة المصدر للمساعدات الصوتية التي تعمل دون اتصال بالإنترنت. يحوّل النص إلى وحدات صوتية (phonemes) باستخدام espeak-ng، ثم يوليّف موجة صوتية من هذه الوحدات باستخدام نموذج بأسلوب VITS تم تصديره إلى ONNX Runtime لاستدلال سريع، بما في ذلك على أجهزة تعتمد على المعالج (CPU) فقط. أصبح محرك TTS المحلي الافتراضي في مسار الصوت الخاص بـHome Assistant، وتتولى صيانته حاليًا مؤسسة Open Home Foundation عبر OHF-Voice/piper1-gpl. تغطيه PromptQuorum بالتفصيل في مراجعة مخصصة لـ Piper.
• Kokoro نموذج TTS مفتوح الأوزان بـ82 مليون معلمة، صدر على Hugging Face من المطوّر المعروف باسم hexgrad. تستند معماريته إلى StyleTTS 2 مع مُرمِّز صوتي (vocoder) من نوع ISTFTNet، في تصميم يعتمد على وحدة فك التشفير فقط دون خطوة انتشار (diffusion) — وهو مسار أصغر وأبسط من العديد من نماذج TTS ذات عدد المعلمات الأكبر. وفقًا لبطاقة النموذج الخاصة به على Hugging Face، تم تدريبه على بضع مئات من الساعات من الصوت المرخَّص بشكل متساهل أو الملكية العامة، وصدرت النسخة 1.0 في 27 يناير 2025.
• لا يستنسخ أي من النموذجين صوتًا من مقطع مرجعي قصير. يقدّم كل من Piper وKokoro مجموعة ثابتة من الأصوات المدرَّبة مسبقًا للاختيار من بينها — وهي قدرة مختلفة جوهريًا عن نموذج استنساخ الصوت مثل XTTS v2، الذي يوليّف كلامًا بصوت جديد من 6 ثوانٍ من صوت العيّنة، وإن كان بموجب ترخيص غير تجاري.
• يعمل كلاهما دون اتصال بالإنترنت بالكامل، على جهازك الخاص. لا يُرسل أي من المحركين نصًا أو صوتًا إلى واجهة برمجية سحابية — يعمل مسار التوليف بأكمله محليًا، وهو أمر مهم للتطبيقات الحساسة للخصوصية ولتجنب تكاليف TTS السحابي المحسوبة بحسب عدد الأحرف.

Piper مقابل Kokoro: مقارنة جنبًا إلى جنب

أمثلة استخدام فعلية

• Piper يبدأ التشغيل بشكل أسرع. تُحمَّل نماذج ONNX الخاصة به بحسب كل صوت بسرعة، ويكون التوليف شبه فوري على المعالج (CPU)، وهو سبب كونه الخيار الشائع للمساعدات الصوتية التفاعلية على الأجهزة المحدودة.
• يُجمِّع مسار Kokoro التوليف في أجزاء (chunks) (رباعية gs/ps/audio أعلاه) — أمر يستحق معرفته قبل افتراض أن استدعاءً واحدًا يُعيد مخزنًا صوتيًا متواصلًا للنص الطويل.

# ── Piper: التثبيت والتوليف ─────────────────────────────
pip install piper-tts
python3 -m piper.download_voices en_US-lessac-medium
python3 -m piper -m en_US-lessac-medium -f test.wav -- "This is a test."

# واجهة برمجة Piper بلغة Python
from piper import PiperVoice
voice = PiperVoice.load("en_US-lessac-medium.onnx")
with open("test.wav", "wb") as wav_file:
    voice.synthesize_wav("Fast, local speech synthesis.", wav_file)

# ── Kokoro: التثبيت والتوليف ────────────────────────────
pip install kokoro soundfile

# واجهة برمجة Kokoro بلغة Python (حسب hexgrad/Kokoro-82M على Hugging Face)
from kokoro import KPipeline
import soundfile as sf

pipeline = KPipeline(lang_code="a")  # "a" = الإنجليزية الأمريكية
generator = pipeline(
    "Kokoro produces noticeably natural-sounding speech from a small model.",
    voice="af_heart",
)
for i, (gs, ps, audio) in enumerate(generator):
    sf.write(f"output_{i}.wav", audio, 24000)

الترخيص والتكلفة

من يجب أن يستخدم أيهما

• اختر Piper إذا كنت: تعمل على Raspberry Pi أو جهاز محدود بشكل مماثل، أو تحتاج إلى أقل زمن استجابة ممكن حتى أول صوت، أو تدمج مع مسار الصوت الخاص بـHome Assistant، حيث يُعد Piper محرك TTS المحلي الافتراضي.
• اختر Kokoro إذا كنت: تنتج كتبًا صوتية أو سردًا أو أي محتوى سيلاحظ فيه المستمعون كلامًا يشبه الآلة، ولديك هامش من المعالج أو وحدة معالجة الرسومات يتجاوز الحد الأدنى المطلق.
• لا تختر أيًا منهما، وراجع XTTS v2 بدلًا من ذلك، إذا كنت: بحاجة إلى استنساخ صوت شخص معين من مقطع مرجعي قصير — يستخدم كل من Piper وKokoro أصواتًا ثابتة مدرَّبة مسبقًا فقط، ولا يقوم أي منهما باستنساخ الصوت. راجع مراجعة XTTS v2 من PromptQuorum (ترخيص غير تجاري) أو دليل تراخيص TTS المحلي للبدائل القادرة على الاستنساخ وتراخيصها.
• لا تختر أيًا منهما، وراجع مقارنة ElevenLabs بدلًا من ذلك، إذا كنت: بحاجة إلى استنساخ صوت بمستوى تجاري بترخيص مدفوع واضح ولا تريد الاستضافة الذاتية. راجع مقارنة ElevenLabs مقابل TTS المحلي من PromptQuorum.

ما لا يصلح له أي منهما

• استنساخ صوت شخص معين من مقطع عيّنة. يقدّم كلا المحركين أصواتًا مدرَّبة مسبقًا فقط — لا توجد في أيٍّ منهما آلية لتوليد كلام بصوت جديد لم يُسمع من قبل انطلاقًا من تسجيل مرجعي قصير. راجع XTTS v2 بدلًا من ذلك، مع مراعاة ترخيصه غير التجاري.
• الصوت التعبيري غير الكلامي (الضحك، التنهدات، الأصوات المحيطة). يوليّف كلا المحركين الكلام فقط، وليس النطاق التعبيري الصوتي الأوسع الذي يستهدفه نموذج مثل Bark.
• أعلى دقة صوتية ممكنة بغض النظر عن تكلفة الموارد. بالنسبة للقراء الذين يريدون تحديدًا أعلى جودة سرد باللغة الإنجليزية ولا يواجهون قيودًا على الموارد، تغطي مراجعة StyleTTS 2 من PromptQuorum نموذجًا بمعمارية أساسية مماثلة لـ Kokoro لكن بمفاضلة مختلفة بين الحجم والجودة.
• قاعدة شيفرة GPL-3.0 داخل منتج مغلق المصدر يُعدِّل الشيفرة المصدرية الخاصة بـ Piper نفسه. إذا كانت خطة النشر لديك تتضمن تفريع (fork) شيفرة Piper المصدرية المعدَّلة أو ربطها بشكل ثابت (static linking) داخل ملف ثنائي مغلق المصدر، فإن ترخيص Piper الحالي GPL-3.0-or-later يمثّل قيدًا حقيقيًا — لا يحمل ترخيص Apache-2.0 الخاص بـ Kokoro هذا القيد.

البدائل

الأسئلة الشائعة

الخلاصة

المصادر

• Kokoro-82M على Hugging Face — بطاقة النموذج: المعلمات، المعمارية، الترخيص، الأصوات، وتاريخ الإصدار.
• hexgrad/kokoro على GitHub — الشيفرة المصدرية لمسار Kokoro ووثائق واجهة البرمجة.
• OHF-Voice/piper1-gpl على GitHub — مستودع Piper الذي تتم صيانته بنشاط، وترخيصه ووثائقه.
• rhasspy/piper على GitHub — المستودع الأصلي، المؤرشَف حاليًا، المرخّص بموجب MIT.
• مراجعة Piper TTS — مراجعة PromptQuorum المخصصة لـ Piper، بما في ذلك تاريخ إعادة الترخيص في 2025.

قراءات ذات صلة

• مراجعة Piper TTS — المراجعة الكاملة لـ Piper، بما في ذلك تاريخه وإعادة ترخيصه.
• مراجعة XTTS v2 — للقراء الذين يحتاجون فعليًا إلى استنساخ الصوت، وهو ما لا يقدّمه Piper ولا Kokoro.
• تراخيص TTS المحلي واستنساخ الصوت: Piper وXTTS v2 وF5-TTS وCoqui — التحليل المتعمق للتراخيص عبر جميع محركات TTS المحلية الرئيسية.
• ElevenLabs مقابل Piper مقابل XTTS v2 — مقارنة السحابة مقابل المحلي للقراء الذين يقررون ما إذا كانوا سيستضيفون ذاتيًا.
• مراجعة StyleTTS 2 — نموذج TTS ذو صلة، عالي الجودة، ودون استنساخ، بمعمارية أساسية مماثلة لـ Kokoro.