Bark

Bark TTS

Suno's transformer-based text-to-audio model that generates speech plus laughter, sighs, music, and sound effects.

אַרײַנשרײַבן פֿאַר 5,000 שריפֿטצײכן

איבער־פֿאַרקער דעם טעקסט אין SSML הענטלעך פֿאַר אַ פּשוטער קאָנטראָל:

<speak><prosody rate="slow">Slow speech</prosody></speak>

הענטלעך װאָס דער אויסגעקליבן מאָדעל פֿאַרשטײט — קליק צו אַרײַנשרײַבן אײן אין װײַז־טעקסט װוּ עס פּאַסט זיך:

דאָס מאָדעל לייענט נאָרמאַלן טעקסט, אַזוי אַרײַנגעלייגטע הענטלעך ווערן איגנאָרירט. פֿאַר הענטלעך־באזירטע װײַב־איגנאָרירונג, װײַז צו אַ װײַז־מאָדעל װי אורפיאָ אָדער װאַרק

װײַז פֿאָרױסװײַז

-12 +12
0.5x 2.0x
פֿרײַ מיט Piper, VITS, MeloTTS
די אױדיו־טעקע װעט דאָ װײַזן זיך. קלײַב אַ מאָדעל אױס, אַרײַנשרײַב דעם טעקסט און קליק אױף אױסשרײַבן
אוודיאָ אױסגעגרײט
0:00
דאַונלאָוד אַרײַנשטעלן.srt פֿאַרבינדונג ענדיקט זיך אין 24 שעה
פרייע מדרגה: פּערזענלעכער ניצן קאָממערשעל ליסענסע פֿון $5/חודש
ליבע TTS.ai? זאָגן דיין פריינט

אױף Bark

Bark comes from Suno and takes a different approach from most TTS systems: it is a GPT-style transformer trained as a text-to-audio model rather than a pure text-to-speech one. Because it generates raw audio tokens, it can produce nonverbal sounds — laughing, sighing, crying — as well as background music and sound effects alongside the spoken words. It ships with 100+ speaker presets and handles 13+ languages including English, Chinese, French, German, Hindi, Japanese, and Korean. The trade-off is speed and length: at 350M parameters it runs slowly (~15s per clip) and caps at 200 characters, so it shines for short, emotive, creative audio rather than long narration.

בעסטער פֿאַר: Creative audio content, audiobooks with emotion, sound effects

בלעטער Bark שריפֿטצײכן

אין אַ שריט

אַנטוויקלער
Suno
לינקס
MIT
װײַז
standard
שאַטירונג
slow
שפּראַך
ניט
שפּראַכן
English, Chinese, French, German, Hindi, Italian, Japanese, Korean, Polish, Portuguese, Russian, Spanish, Turkish
גרעסטע שריפֿטצײכן
200

Bark שריפֿטצײכן

Chinese Speaker 1

Chinese
סטאַנדאַרד Neutral

Chinese Speaker 2

Chinese
סטאַנדאַרד Neutral

English Female 1

English
סטאַנדאַרד Female

English Female 2

English
סטאַנדאַרד Female

English Female 3

English
סטאַנדאַרד Female

English Female 4

English
סטאַנדאַרד Female

English Male 1

English
סטאַנדאַרד Male

English Male 2

English
סטאַנדאַרד Male

English Male 3

English
סטאַנדאַרד Male

English Male 4

English
סטאַנדאַרד Male

English Male 5

English
סטאַנדאַרד Male

English Male 6

English
סטאַנדאַרד Male

French Speaker 1

French
סטאַנדאַרד Neutral

French Speaker 2

French
סטאַנדאַרד Neutral

German Speaker 1

German
סטאַנדאַרד Neutral

German Speaker 2

German
סטאַנדאַרד Neutral

Hindi Speaker 1

Hindi
סטאַנדאַרד Neutral

Italian Speaker 1

Italian
סטאַנדאַרד Neutral

Japanese Speaker 1

Japanese
סטאַנדאַרד Neutral

Japanese Speaker 2

Japanese
סטאַנדאַרד Neutral

Korean Speaker 1

Korean
סטאַנדאַרד Neutral

Korean Speaker 2

Korean
סטאַנדאַרד Neutral

Polish Speaker 1

Polish
סטאַנדאַרד Neutral

Portuguese Speaker 1

Portuguese
סטאַנדאַרד Neutral

Russian Speaker 1

Russian
סטאַנדאַרד Neutral

Spanish Speaker 1

Spanish
סטאַנדאַרד Neutral

Spanish Speaker 2

Spanish
סטאַנדאַרד Neutral

Turkish Speaker 1

Turkish
סטאַנדאַרד Neutral

Bark FAQ

Yes. Bark is a text-to-audio model, so beyond speech it can generate nonverbal cues like laughing, sighing and crying, plus music and background sound effects — one of its defining capabilities.

Yes. Bark is MIT-licensed, which permits commercial use.

Bark caps at 200 characters per request and is on the slower side (around 15 seconds per clip), so it is best suited to short, expressive snippets rather than long-form audio. It does not support voice cloning.
← אַלע שפּראַכן