分类 文本转声音
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