跳到正文

Spark-TTS

基于大语言模型的单流解耦语音合成模型

访问官网

Spark-TTS 是什么

Spark-TTS 被介绍为一种高效的基于大语言模型的文本到语音合成模型,采用单流解耦语音令牌,直接从代码预测的音频进行重建。

你可以用它做什么

  • 用大语言模型由文本合成语音
  • 进行跨语言的零样本文本到语音合成
  • 通过调整参数创建虚拟语音
  • 控制语速、音高与性别等参数

应用场景

  • 研究人员开展语音合成相关的实验和研究
  • 教师为学生生成不同语言与风格的语音示例
  • 企业为产品生成个性化语音提示或语音导航

上手流程

  • 克隆项目仓库
  • 创建并激活 Python 3.12 的 Conda 环境
  • 安装 requirements.txt 列出的依赖
  • 从 Hugging Face 或用 git lfs 下载预训练模型

优点与缺点

✓ 我们认可的地方

  • 零样本合成支持跨语言与代码切换
  • 功能列表列出中文和英文的高质量语音合成

! 需要留意的地方

  • 资料说明模型主要面向学术研究和合法应用
  • 上手需要克隆仓库并下载预训练模型

常见问题

列出支持哪些语言?

功能列表写明支持中文和英文的高质量语音合成。

虚拟语音能调整什么?

资料列出语速、音高和性别等参数。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法