Die 3 besten Kokoro-TTS-Apps für das iPhone 2026 im Vergleich

Für viele war Kokoro-82M die erste wirklich natürliche synthetische Stimme, die auf ihrer eigenen Hardware lief. Das Modell ist klein, quelloffen in den Gewichten und klingt deutlich besser, als seine 82 Millionen Parameter vermuten lassen – deshalb verbreitete es sich in lokalen KI-Setups schneller als fast jedes andere Sprachmodell. Der Haken: Die meisten dieser Setups brauchen Python, ein Terminal und einen Laptop. Auf dem iPhone braucht man eine App, die diese Arbeit bereits erledigt hat.

Kurzes Fazit: Local TTS ist die beste Wahl, wenn die Kokoro-Stimmen in einem echten Reader für PDFs, E-Books und abfotografierte Seiten stecken sollen. On-Device AI passt zu allen, die zusätzlich lokale Chatmodelle und Spracherkennung am selben Ort wollen. Koro Voices ist der günstigste Weg, mit Offline-Stimmen zu experimentieren – sofern Englisch oder Italienisch genügt.

Umfang und Quellen: Dieser Überblick behandelt Local TTS - Voice Aloud Reader, On-Device AI: Private Suite und Koro Voices: Text to speech. Local TTS ist unsere eigene App, deshalb stehen die Auswahlkriterien vor der Rangliste; die anderen Apps werden ausschließlich anhand ihrer eigenen App-Store-Beschreibungen dargestellt, geprüft am 13. August 2026. Die Modellangaben stammen aus der offiziellen Kokoro-82M-Modellkarte und deren VOICES.md. Funktionen und Preise ändern sich – prüfe vor dem Kauf die aktuellen Angaben.

Was Kokoro-82M ist, in einem Absatz

Kokoro-82M ist ein neuronales Text-to-Speech-Modell mit offenen Gewichten, veröffentlicht von hexgrad. Version 1.0 erschien am 27. Januar 2025, gibt Sprache mit 24 kHz aus und stellt die Gewichte unter die Apache-2.0-Lizenz. Der offizielle Stimmenkatalog listet 20 amerikanische und 8 britische englische Stimmen, darunter af_heart – die Stimme „Heart“, die der Katalog am höchsten bewertet. Mit rund 82 Millionen Parametern passt das Modell bequem auf ein modernes iPhone, und genau deshalb taucht es in geräteinternen Apps statt hinter einer Cloud-API auf. Unser Kokoro-82M-Leitfaden geht ausführlicher auf Architektur und Grenzen ein.

Worauf es bei einer Kokoro-TTS-App ankommt

Das kleine Modell ist der einfache Teil. Unterschiedlich ist alles, was darum herum gebaut wurde – und damit lebt man im Alltag.

• Ob das Modell überhaupt genannt wird. Viele Offline-Reader nutzen Kokoro oder etwas Ähnliches, ohne es zu sagen. Wenn das Modell zählt, prüfe, ob die Beschreibung es nennt – und ob die Sprachausgabe lokal erzeugt und nicht von einem Server geholt wird, auf dem zufällig Kokoro läuft.
• Welche Stimmen man bekommt und wie sie ankommen. Manche Apps liefern den englischen Katalog mit, andere laden nach der Installation ein Stimmenpaket nach. Das ändert Appgröße und den Funktionsumfang am ersten Tag.
• Was hineinpasst. Ein Sprachmodell ist kein Reader. Für ein 200-seitiges PDF, ein EPUB oder eine Word-Datei muss die App den Text erst importieren und extrahieren.
• Ob sie Bilder lesen kann. Die Hälfte dessen, was Menschen vorgelesen haben wollen, ist gar keine Datei: eine Lehrbuchseite, ein gedrucktes Handout, ein Screenshot, ein abfotografierter Vertrag. Dafür braucht es OCR in der App selbst, nicht einen separaten Scan-Schritt.
• Was beim Hören passiert. Wortweises Hervorheben, Wiedergabe im Hintergrund und auf dem Sperrbildschirm, eine gespeicherte Position pro Dokument und Audio-Export unterscheiden eine Demo von einer täglichen Gewohnheit.
• Geräteanforderungen und Downloadgröße. Geräteinterne Modelle bedeuten aktuelle Hardware und große Downloads – von rund 100 MB bis fast zwei Gigabyte.
• Wie bezahlt wird. Kokoros Gewichte sind offen, die Apps sind es nicht. Vergleiche Einmalkäufe mit Abos und mit kostenlosen Angeboten.

Die drei Optionen im Überblick

Die Tabelle hält veröffentlichte Funktionen und US-Preise fest, keine Rangliste der Stimmqualität. Wie ein Satz klingt, hängt weit mehr von der gewählten Stimme und der Zeichensetzung im Text ab als von der App darum herum.

1. Local TTS - Voice Aloud Reader — am besten für Dokumente und gedruckte Seiten

Local TTS ist um die Annahme herum gebaut, dass etwas fertig werden soll: ein Bericht, ein Kapitel, eine Arbeit, ein Stapel gedruckter Handouts. Kokoro-82M liefert die 28 amerikanischen und britischen englischen Stimmen, und die gesamte Kette – Textextraktion, Spracherkennung des Dokuments, Kamera-OCR und Sprachsynthese – läuft auf dem iPhone oder iPad. Nichts wird an einen Sprachserver geschickt, es gibt kein Konto, und Apples App-Datenschutzhinweis lautet Keine Daten erfasst.

Weil lokal erzeugt wird, entsteht neue Sprachausgabe auch im Flugmodus, statt nur früher konvertierte Dateien abzuspielen. Und es gibt kein Wortkontingent, das beim erneuten Hören oder Exportieren eines langen Dokuments aufgebraucht wird.

Die App liest, was du fotografierst, nicht nur, was du herunterlädst. Halte die Kamera auf eine Lehrbuchseite, einen gedruckten Vertrag, einen Flyer oder eine Seite aus einem Bibliotheksbuch: Die geräteinterne OCR extrahiert den Text und übergibt ihn denselben Stimmen – ohne Upload, ohne zwischengeschaltete Scan-App, und im Gratis-Plan enthalten statt einer Abostufe vorbehalten. Damit ist genau das Material abgedeckt, das nie als Datei existiert – und an dem die meisten Reader scheitern.

Die übrigen Unterschiede zeigen sich nicht im Demosatz, sondern beim langen Hören: Wörter werden synchron hervorgehoben, sodass man mitliest oder die Stelle nach einem Blick zur Seite wiederfindet; die Wiedergabe läuft bei ausgeschaltetem Bildschirm über Sperrbildschirm und Kontrollzentrum weiter; jede Notiz behält ihre eigene Stimme und Geschwindigkeit; Tags halten die Bibliothek sortiert; Notizen synchronisieren über die eigene private iCloud; und Pro exportiert jede Notiz als M4A-Datei zum Aufbewahren oder Abspielen in einer Podcast-App.

Wichtige Fakten:

• Stimmen: alle 28 englischen Kokoro-82M-Stimmen plus eine mehrsprachige Stimme auf Basis von Supertonic 3, die 31 Sprachen offline liest – die mit Abstand größte Sprachabdeckung in dieser Liste.
• Dokumente: PDF, EPUB, DOCX, TXT, Markdown und eingefügter Text – siehe PDF offline vorlesen lassen.
• Bilder: Kamera- und Foto-OCR auf dem Gerät, sodass aus einer abfotografierten Seite eine hörbare Notiz wird.
• Beim Hören: wortweises Hervorheben, Hintergrund- und Sperrbildschirmwiedergabe, eine eigene Stimme pro Notiz, Tags und optionale private iCloud-Synchronisierung zwischen iPhone und iPad.
• Gratis-Plan: 500 Zeichen pro Notiz mit einer mehrsprachigen und drei englischen Stimmen, inklusive Dateiimport und Kamera-OCR.
• Pro: 4,99 $ monatlich oder einmalig 19,99 $ für unbegrenzten Text, den vollen Stimmenkatalog, vollständigen mehrseitigen PDF-Import und M4A-Export.
• Voraussetzungen: iOS/iPadOS 18.6 oder neuer auf iPhone 12 oder neuer bzw. einem unterstützten aktuellen iPad. Rund 630 MB.

Die ehrlichen Grenzen: Weil die Modelle lokal laufen, braucht die App relativ aktuelle Hardware, der Download ist aus demselben Grund groß, es gibt keine Android-, Windows- oder Webversion, und wegen der 500-Zeichen-Grenze im Gratis-Plan braucht ein ganzes Kapitel Pro. Wer eher mit Stimmen experimentieren als Dokumente lesen will, kommt mit den beiden folgenden Apps mit weniger Speicher aus.

Local TTS gratis im App Store laden und die englischen Kokoro-Stimmen an einem Dokument hören, das wirklich erledigt werden muss.

2. On-Device AI: Private Suite — am besten als komplettes lokales KI-Werkzeug

On-Device AI von Entwickler Zijie Deng ist die maximalistische Option: eine App, die lokale Sprachmodelle und Sprachausgabe zusammen betreibt. Die Beschreibung nennt Unterstützung für lokale Modelle wie Llama, Gemma, Phi, Qwen, DeepSeek, Mistral und Nemotron und schreibt, man könne „Audio mit Apple-Stimmen, Kokoro, PocketTTS, Qwen 3 TTS, CosyVoice und VibeVoice erstellen“. Ein aktuelles Update stellte das Kokoro-TTS-Modell eigens vor und verspricht ausdrucksstärkere Sprache bei stabilem Speicherverhalten.

Gelesen wird auch: Die Beschreibung nennt den Import von „PDFs, Markdown, reinem Text, lesbaren Webartikeln und gescannten Büchern“, das Korrigieren der geräteinternen OCR sowie das Umwandeln von Dokumenten und Artikeln in „eine Lese- und Hörwarteschlange“, samt RSS.

Wichtige Fakten:

• Kokoro: eine von mehreren TTS-Engines, neben Apple-Stimmen und weiteren lokalen Modellen.
• Über TTS hinaus: eine ganze Reihe lokaler Chatmodelle plus Spracherkennung in derselben App – der breiteste lokale KI-Umfang in dieser Liste.
• Dokumente und Bilder: PDF, Markdown, Text, Webartikel und gescannte Bücher, mit On-Device-OCR, die sich vor dem Hören korrigieren lässt.
• Preis: gratis, mit In-App-Käufen als Pro Member Subscription zu 3,99 $ und 34,99 $ sowie Lifetime Pro Member zu 49,99 $ und 99,99 $.
• Voraussetzungen: iOS 18.0 oder neuer mit A12-Bionic-Chip oder neuer und rund 1,9 GB Download. Zusätzlich werden Mac und Apple Vision Pro als kompatibel genannt.

Der klare Vorteil: Wer offline Chatmodelle, Diktat und Kokoro-Sprachausgabe will, ohne drei Apps zu installieren, kommt hier am weitesten. Der Preis dafür ist der Umfang – ein allgemeines KI-Werkzeug verteilt seine Oberfläche auf viele Funktionen, und Lesen und Hören ist eine Fähigkeit unter Dutzenden statt das ganze Produkt.

3. Koro Voices — der günstigste Weg zu Offline-Stimmen

Koro Voices von Entwickler Emanuele Delirio ist die kleinste und günstigste App hier: rund 113 MB und eine einmalige Freischaltung für 1,99 $. Die Beschreibung nennt es „einen Vorlese-Reader, vollständig offline auf dem Gerät. Kein Internet nötig, keine Limits, keine Abos“ und schreibt, „alles passiert direkt auf dem Gerät. Keine Cloud-Dienste, kein Datenverbrauch … dein Text verlässt das Telefon nie“.

Eine Klarstellung vor dem Vergleich mit den anderen beiden: Die App-Store-Beschreibung nennt Kokoro oder Kokoro-82M an keiner Stelle. Der Name und die Sprachauswahl – amerikanisches und britisches Englisch plus Italienisch, allesamt Sprachen, für die Kokoro v1.0 Stimmen veröffentlicht – deuten in diese Richtung, aber der Entwickler nennt kein Modell. Die Verbindung bleibt also unbestätigt, und die App sollte an dem gemessen werden, was sie tatsächlich verspricht.

Und das ist für den Preis ungewöhnlich. Neben unbegrenzter Synthese beschreibt die Beschreibung das Mischen der integrierten Stimmen, „um einen eigenen Klang zu erzeugen“, und das Anpassen der Aussprache „auf Phonemebene für eine perfekte Sprachausgabe“ – eine Kontrolle, die kaum ein Reader offenlegt. Dazu kommen Whisper-Transkription in mehr als 10 Sprachen, das Extrahieren von Sprache aus Audio- und Videodateien sowie Zusammenfassen und Umschreiben langer Texte mit einem lokalen Sprachmodell.

Wichtige Fakten:

• Stimmen: integrierte Offline-Stimmen mit Mischen und Aussprachebearbeitung auf Phonemebene. Sprachausgabe nur in amerikanischem und britischem Englisch sowie Italienisch.
• Dokumente: Textdateien und PDFs. Kein EPUB, kein DOCX, und Bild-Scannen wird nicht genannt.
• Extras: Live-Transkription mit Whisper in mehr als 10 Sprachen, Transkription aus Audio- und Videodateien sowie Zusammenfassungen per lokalem Modell.
• Export: Sprachausgabe als Audiodatei sichern und teilen.
• Preis: kostenlos testen, dann ein einmaliger Kauf „Koro Unlimited“ für 1,99 $; laut Beschreibung sind einige Funktionen in der Gratisversion eingeschränkt.
• Voraussetzungen: iOS 16.6 oder neuer, iPhone XS oder neuer – die genügsamste Anforderung in dieser Liste. Version 2.0.1 erschien am 25. März 2026.

Der Vorteil: Wer auf einem älteren iPhone für den Preis eines Kaffees eine Offline-Stimme will, die sich feinjustieren lässt, findet hier nichts Vergleichbares. Die Nachteile sind die Sprachabdeckung, die fehlende Modellangabe und der Hinweis der Beschreibung selbst, dass „Geschwindigkeit und allgemeine Leistung von Koro je nach Gerätemodell variieren“.

Ebenfalls erwähnenswert

Simple Voice Reader von Walter Claw Software LLC ist die kostenlose, minimalistische Option und nennt ihr Modell ausdrücklich: eine 3 MB kleine App, die „eingefügten oder getippten Text, TXT-Dateien, RTF-Dateien und PDFs vorliest“, wobei „auf kompatiblen iOS-26-Geräten optional ein amerikanisch-englisches Kokoro-Stimmenpaket mit Heart und 19 weiteren natürlichen Stimmen geladen werden kann. Das Paket ist rund 170 MB groß, wird einmalig von Apple geladen und lässt sich jederzeit entfernen.“ Sie ist gratis ohne In-App-Käufe und hebt Wörter beim Lesen hervor. Die Anforderungszeile lohnt aber genaues Lesen: Die App läuft ab iOS 17, das Kokoro-Paket ist jedoch auf kompatible iOS-26-Geräte beschränkt – darunter bekommt man Apples Systemstimmen. E-Book-Unterstützung, OCR und Audio-Export fehlen.

PageEcho - AI Text Reader ist ein geräteinterner E-Book-Reader, dessen Beschreibung angibt, die Sprachausgabe werde „von Supertonic, Kokoro und Apple-Systemstimmen betrieben“. Es ist kein allgemeiner Reader – gefragt sind EPUB-, MOBI-, AZW3-, FB2- und PDF-Bücher – und er verlangt iOS 26 oder neuer, ist auf älteren iPhones also außer Reichweite. Wir behandeln ihn im Überblick zu Apps mit Supertonic.

Entwickler brauchen gar keine App. Open-Source-Swift-Pakete wie mlalma/kokoro-ios (MIT-Lizenz, MLX Swift, ab iOS 18) erzeugen englisches Audio auf aktuellen iPhones schneller als in Echtzeit und lassen sich ins eigene Projekt einbinden. Das ist der Selbstbauweg, keine Installation aus dem App Store.

Hintergrundwiedergabe: was beim Sperren des Bildschirms passiert

Dieses Detail überspringen die meisten Vergleiche, und es trennt die Apps deutlicher als die Stimmqualität. Neuronale Sprache wird während des Hörens laufend erzeugt, und iOS begrenzt, wie viel eine App noch tun darf, sobald sie den Vordergrund verlässt. „Sie liest vor“ und „sie liest bei ausgeschaltetem Bildschirm weiter“ sind daher zwei verschiedene Aussagen.

Local TTS nennt die Hintergrundwiedergabe klar: „Hintergrundwiedergabe mit Steuerung über Sperrbildschirm und Kontrollzentrum.“ Die neuronalen Stimmen laufen weiter, statt an eine andere Stimme zu übergeben, weil die App kommende Sprachabschnitte über einen für Hintergrundarbeit optimierten Core-ML-Pfad vorbereitet – denselben Pfad wie beim Audio-Export. In der Praxis heißt das: Play drücken, Telefon in die Tasche, und über den Sperrbildschirm springen oder pausieren, während dieselbe Kokoro- oder Supertonic-3-Stimme weiterläuft.

Simple Voice Reader ist über die Alternative ungewöhnlich offen, und das Zitat zeigt die Einschränkung in Aktion: „Apple-Sprachausgabe läuft weiter, wenn die App in den Hintergrund wechselt oder der Bildschirm gesperrt wird, mit Pause-, Fortsetzen- und Stopp-Steuerung auf dem Sperrbildschirm und im Kontrollzentrum. Wenn Kokoro nicht weiterlaufen kann, weil das Gerät mehr Speicher benötigt oder die App in den Hintergrund wechselt, wird mit der gewählten Apple-Stimme weitergelesen.“ Für eine 3-MB-App ist das ein vernünftiges Design – es bedeutet aber, dass die gewählte Kokoro-Stimme nicht zwingend die Stimme ist, mit der das Kapitel endet.

On-Device AI beschreibt eine Hörwarteschlange, die man „mitnehmen“ kann, und die Möglichkeit, „weiterzuhören und das Nächste abzuspielen“, sagt aber nicht ausdrücklich, dass die Wiedergabe im Hintergrund fortgesetzt wird. Koro Voices erwähnt Hintergrund- oder Sperrbildschirmwiedergabe überhaupt nicht; die Antwort auf das Hören außerhalb der App ist der Export einer Audiodatei, die man „jederzeit auch ohne die App anhören“ kann – gut für den Arbeitsweg, aber ein zusätzlicher Schritt statt durchgehender Wiedergabe.

Wenn Hören bei ausgeschaltetem Bildschirm der eigentliche Zweck ist – beim Gehen, Fahren, Kochen oder Einschlafen mit einem Kapitel –, teste es vor dem Kauf: einen langen Text starten, das Telefon einige Minuten sperren und prüfen, ob der Ton weiterläuft und ob es noch die gewählte Stimme ist.

Wie du wählst

• Du willst Dokumente, Bücher und abfotografierte Seiten hören: Local TTS. Die Kokoro-Stimmen sitzen in einem Ablauf aus Import, Scan und Wiedergabe mit OCR, Highlighting, Sperrbildschirmwiedergabe und M4A-Export.
• Du hörst bei ausgeschaltetem Bildschirm, unterwegs oder auf dem Arbeitsweg: Local TTS – oder exportiere aus Koro Voices eine Audiodatei und spiele sie in einer Podcast-App ab.
• Du willst lokale LLMs, Diktat und TTS in einer App: On-Device AI, mit größerem Download und breiterer Oberfläche.
• Du willst die günstigste Offline-Stimme oder hast ein älteres iPhone: Koro Voices – 1,99 $, rund 113 MB, läuft zurück bis zum iPhone XS unter iOS 16.6.
• Du willst gezielt Kokoro kostenlos hören: Simple Voice Reader ausprobieren, sofern dein Gerät das iOS-26-Stimmenpaket unterstützt.
• Du brauchst andere Sprachen als Englisch: Mit Kokoro allein kommst du nicht hin. Local TTS kombiniert es mit Supertonic 3 für 31 Sprachen; einen breiteren Blick auf Alternativen gibt unser Überblick der besten Text-to-Speech-Apps für das iPhone.

Egal wofür du dich entscheidest: Teste vorher mit eigenem Material. Füge eine Seite mit Namen, Zahlen und Fachbegriffen ein und prüfe Aussprache, die Zeit bis zum ersten Satz und ob die Wiedergabe das Sperren übersteht. Wenn du Gedrucktes hören willst, fotografiere eine echte Seite und sieh, was die App daraus macht. Eine Liste ordnet Apps; deine eigene Seite verrät, ob das Ergebnis eine Stunde Zuhören wert ist.

Häufige Fragen

Gibt es eine offizielle Kokoro-TTS-App für das iPhone?

Nein. Kokoro-82M ist ein Open-Weight-Modell, das hexgrad auf Hugging Face veröffentlicht – keine App. Auf dem iPhone nutzt man es über eine Drittanbieter-App, die das Modell mitbringt, etwa Local TTS oder On-Device AI.

Funktionieren Kokoro-TTS-Apps ohne Internetverbindung?

Ja, sobald das Modell auf dem Gerät liegt. Mit rund 82 Millionen Parametern ist Kokoro klein genug für ein iPhone, sodass Apps mit integriertem Modell neue Sprachausgabe offline erzeugen. Für den ersten Download eines Stimmenpakets oder andere Cloud-Funktionen kann weiterhin eine Verbindung nötig sein.

Kann eine Kokoro-TTS-App eine abfotografierte Seite vorlesen?

Nur mit OCR. Local TTS erkennt Text aus der Kamera oder einem gespeicherten Foto auf dem Gerät und liest ihn mit denselben Stimmen vor – im Gratis-Plan enthalten. On-Device AI nennt den Import gescannter Bücher mit korrigierbarer On-Device-OCR. Koro Voices nennt Text- und PDF-Import, aber kein Scannen von Bildern.

Läuft die Kokoro-Wiedergabe weiter, wenn der iPhone-Bildschirm gesperrt ist?

Das hängt von der App ab, nicht vom Modell. Local TTS nennt Hintergrundwiedergabe mit Steuerung über Sperrbildschirm und Kontrollzentrum und erzeugt seine neuronalen Stimmen auch im Hintergrund weiter. Simple Voice Reader schreibt, dass mit der gewählten Apple-Stimme weitergelesen wird, wenn Kokoro im Hintergrund nicht fortsetzen kann. On-Device AI und Koro Voices beschreiben Hintergrundwiedergabe nicht.

Welche Kokoro-artige TTS-App für das iPhone ist am günstigsten?

Koro Voices schaltet die volle App mit einem einmaligen Kauf von 1,99 $ frei. Local TTS ist gratis und liest bis zu 500 Zeichen pro Notiz, inklusive drei englischer Kokoro-Stimmen; Pro kostet 4,99 $ monatlich oder einmalig 19,99 $ für unbegrenzten Text, alle Stimmen und M4A-Export. On-Device AI ist gratis mit Bezahlstufen ab 3,99 $.

Unterstützt Kokoro-82M auch andere Sprachen als Englisch?

Die öffentliche Version Kokoro v1.0 enthält Stimmen in mehreren Sprachen, warnt in den eigenen Stimmennotizen aber, dass die Unterstützung außerhalb des Englischen dünn sein kann, weil Aussprachewerkzeuge und Trainingsdaten je Sprache variieren. Local TTS nutzt Kokoro deshalb für 28 amerikanische und britische Stimmen und Supertonic 3 für alle 31 Sprachen.

Wie viele Kokoro-Stimmen enthält eine iPhone-App üblicherweise?

Kokoro v1.0 veröffentlicht 20 amerikanische und 8 britische englische Stimmen. Local TTS enthält alle 28 im vollen Katalog, dazu eine mehrsprachige Supertonic-3-Stimme, die 31 Sprachen offline liest.

Fazit: Nicht das Modell wählen, sondern die App darum herum

Alle drei Apps betreiben neuronale Sprachsynthese lokal – die Entscheidung fällt also gar nicht über Kokoro, sondern darüber, was die App daraus macht. Ist die Offline-Stimme reine Neugier, bekommt man für 1,99 $ und 113 MB erstaunlich viel zum Ausprobieren. Gehört sie zu einer größeren lokalen KI-Routine, bündelt die Private Suite alles in einer großen App. Und wenn es eigentlich darum geht, das aufgeschobene Lesen zu erledigen – die PDFs, die E-Books, die gedruckten Seiten auf dem Schreibtisch –, dann nimm die App, die um Dokumente und Kamera herum gebaut ist.

Local TTS gratis im App Store laden und ein echtes PDF oder eine abfotografierte Seite hineingeben – englische Kokoro-Stimmen, auf dem Gerät, ohne Konto, Upload oder Wortkontingent.