Piper vs Kokoro:朗读书籍时,设备本地 AI 语音如何比较

我们在 Lectern 中同时提供了这两者,所以下面是一份诚实的对比,来自让它们在真实设备上朗读整本小说的实战经验。

Piper:短跑选手

Piper 是一款为效率而生的轻量级神经网络 TTS 引擎(它脱胎于开源语音助手的世界)。它的模型体积小、启动快,在普通硬件上也能轻松运行。

• 语音质量:明显优于传统的系统 TTS，节奏自然,语调得体。长时间聆听仍能听出它是合成的,但听感不错。
• 速度与电量:表现出色。在大多数手机上,生成速度快于实时播放,对电量的影响也很小，适合连续聆听数小时。
• 语言:它最大的优势。Piper 为数十种语言提供语音,这也是 Lectern 能为阿拉伯语、印地语、中文、日语以及许多欧洲语言的书籍匹配语音的原因。

Kokoro:演员

Kokoro 是一款更新、也更“重”的模型,优先追求逼真的表达方式。它常常让人惊呼:“等等,这是在我手机上运行的?”

• 语音质量:格外自然，韵律更流畅,节奏更接近真人,处理长句的能力也更强。对小说而言,这是目前设备本地朗读最接近有声书叙述水准的表现。
• 速度与电量:更吃资源。在较新的手机上表现良好;在较旧或入门级设备上,Piper 是更稳妥的选择。
• 语言:数量比 Piper 少(但在不断增加)。

该选哪一个?

没有错误的答案,这也是为什么 Lectern 不会强迫你一开始就做选择:

• 主流语言的小说,较新的手机 → 选 Kokoro,获得最大程度的沉浸感。
• 多语言书库、较旧的设备,或整天聆听 → 选 Piper。
• 学习语言 → Piper 广泛的语言覆盖,加上 Lectern 的自动语言检测:打开一本书,就能获得该语言中听起来地道的语音,每句话在被朗读时都会同步高亮。

无论选哪一个,一切都运行在设备本地:无需账户,无需上传云端,没有月费,朗读在飞行模式下也能用。

为什么书籍朗读中,设备本地胜过云端

一本书大约包含 8 至 12 小时的音频。以这种规模使用云端 TTS，需要持续联网、支付订阅费或按字符计费的 API 费用，还要将阅读内容的完整文本发送给第三方。设备端朗读在购买应用后无需额外付费，可以离线运行，并让你的书库始终留在自己手中。Lectern 正是基于这一理念设计的：在 Google Play 上一次性支付 €2.49，无需订阅，Play 数据安全标签显示“未收集任何数据”。

常见问题