Kokoro (Docker) installieren

SO INSTALLIERST DU KOKORO PER DOCKER

Docker installieren

Docker Desktop für Windows/Mac oder Docker Engine für Linux installieren, falls noch nicht vorhanden.

Container starten (Quickstart)

Einmaliger docker run-Befehl. Beim allerersten Start lädt der Container das Modell automatisch von Hugging Face nach (einige hundert MB) und legt es im Volume ab — danach starten spätere Läufe sofort.

docker run -p 8000:8000 \
  -v kokoro_cache:/data/hf-cache \
  thorstenvoice/kokoro-tts

Sobald im Log „Modell geladen und einsatzbereit.“ erscheint, ist der Server bereit.

Alternativ per docker-compose (empfohlen)

Für den Dauerbetrieb eine docker-compose.yml anlegen:

services:
  thorsten-kokoro-tts:
    image: thorstenvoice/kokoro-tts:latest
    container_name: thorsten-kokoro-tts
    ports:
      - "8000:8000"
    environment:
      - KOKORO_EPOCH=5
    volumes:
      - kokoro_cache:/data/hf-cache
    restart: unless-stopped

volumes:
  kokoro_cache:

und danach starten mit:

docker compose up -d

TODO: Aktuell bietet der Container nur eine REST-API (kein Web-Interface). Falls demnächst eine einfache Gradio-Oberfläche im Image dazukommt, hier ergänzen (Port, Aufruf per Browser, Screenshot).

SPRACHE ERZEUGEN

Sobald der Container läuft, lässt er sich einfach per HTTP ansprechen — kein SDK, keine Installation auf deiner Seite nötig.

Sprache erzeugen

Text per HTTP POST schicken, WAV-Datei zurückbekommen.

curl -X POST http://localhost:8000/tts \
     -H "Content-Type: application/json" \
     -d '{"text": "Hallo, ich bin Thorsten. Schön, dass du da bist."}' \
     --output thorsten.wav

Sprechgeschwindigkeit anpassen

Der Wert für speed liegt zwischen 0.0 (exklusiv) und 2.0, Standard ist 1.0.

curl -X POST http://localhost:8000/tts \
     -H "Content-Type: application/json" \
     -d '{"text": "Das hier wird etwas langsamer gesprochen.", "speed": 0.85}' \
     --output output.wav

Status prüfen

Zeigt, ob der Server läuft und welches Trainings-Checkpoint gerade aktiv ist.

curl http://localhost:8000/health
# {"status":"ok","repo_id":"Thorsten-Voice/Kokoro","epoch":"5","device":"cpu"}

Anderes Trainings-Checkpoint wählen

Über die Umgebungsvariable KOKORO_EPOCH lässt sich zwischen den Epochen 1–10 wechseln (Standard: 5).

docker run -p 8000:8000 \
  -e KOKORO_EPOCH=10 \
  -v kokoro_cache:/data/hf-cache \
  thorstenvoice/kokoro-tts

HÄUFIGE FRAGEN & PROBLEME

Port 8000 ist bei mir schon belegt ⌄

Einfach einen anderen Host-Port mappen, z. B. -p 8080:8000 statt -p 8000:8000 (in der docker-compose.yml entsprechend in den ports-Zeilen anpassen). Der Container selbst lauscht weiterhin intern auf 8000.

Beim ersten Start passiert lange nichts, im Log steht etwas von „Downloading“ ⌄

Das ist normal: Der Container lädt das Kokoro-Modell einmalig von Hugging Face herunter (einige hundert MB). Das kann je nach Internetverbindung ein bis zwei Minuten dauern. Wichtig: Dafür ist beim allerersten Start eine Internetverbindung nötig, auch wenn der Betrieb danach komplett offline läuft — dank des kokoro_cache-Volumes lädt er beim nächsten Start nicht erneut.

„docker: permission denied“ unter Linux ⌄

Meist fehlt die Berechtigung, mit dem Docker-Daemon zu sprechen. Entweder den Befehl mit sudo ausführen, oder den eigenen Benutzer einmalig zur docker-Gruppe hinzufügen (sudo usermod -aG docker $USER, danach neu einloggen).

Der Container startet immer wieder neu (Crash-Loop) ⌄

Mit docker logs thorsten-kokoro-tts (bzw. dem Namen deines Containers) in die Logs schauen — meist steht dort die eigentliche Fehlermeldung, etwa ein Problem beim Modell-Download oder ein belegter Port.

Läuft das auch auf Apple Silicon oder einem ARM-Server? ⌄

Ja — das Image wird als Multi-Arch-Build für linux/amd64 und linux/arm64 veröffentlicht und läuft nativ auf Windows, Mac (Intel & Apple Silicon) und Linux, komplett CPU-basiert ohne GPU.

Thorsten-Voice mit Kokoro (Docker) installieren