Spark TTS TTS
Voice cloning from five seconds of audio combined with prompt-based control over emotion, speed, and speaking style.
Düzgün idarə üçün mətninizi SSML lentlərinə sarılın:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Seçilmiş modelin anladığı etiketlər - mətninizi mətn daxilində buraxmaq üçün basın:
Bu model sadə mətn oxuyur, buna görə də sətir içi təqvimlər nəzərə alınmır. təqvim əsaslı hisslər üçün Orpheus və ya Bark kimi ifadəli modellərə keçin.
Özəl səsləndirmələri təsvir et (söz = səsləndirmə):
Bağlan Spark TTS
Spark TTS by SparkAudio merges voice cloning with controllable delivery in a single prompt-driven system. Using just five seconds of reference audio it clones a voice, then lets you steer emotion, speed, and speaking style while keeping that cloned identity intact. Under the hood it combines a BiCodec audio tokenizer, an LLM, and flow matching, and it supports English and Chinese. It is aimed at content creation where a single cloned voice needs to express a range of moods and pacing. Note the licensing split: Spark's code is Apache 2.0, but the model weights are released under CC BY-NC-SA 4.0, which restricts commercial use.
Ən Yaxşı: Content creation with cloned voices and emotional control
Hamısını Gəz Spark TTS səslərBir baxışda
- Yaradıcı
- SparkAudio
- Lisenziya
- CC BY-NC-SA 4.0
- Tərcümə
- standard
- Sür'ət
- medium
- Sesi təkrarla
- Bəli
- Dillər
- English, Chinese
- Max karakterlər
- 1000