Spark TTS TTS
Voice cloning from five seconds of audio combined with prompt-based control over emotion, speed, and speaking style.
Zabalte svůj text do značek SSML pro přesné ovládání:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Značky vybraného modelu rozumí? klikněte na tlačítko pro kapku jednoho do textu, kde se to stane:
Tento model čte prostý text, takže inline značky jsou ignorovány. Pro tag-based emotion, přepněte na expresivní model, jako je Orpheus nebo Bark.
Definovat vlastní výslovnosti (slovo = výslovnost):
O aplikaci 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.
Nejlepší pro: Content creation with cloned voices and emotional control
Procházet vše Spark TTS hlasyNa první pohled
- Vývojář
- SparkAudio
- Licence
- CC BY-NC-SA 4.0
- Úroveň
- standard
- Rychlost
- medium
- Klonování hlasu
- Ano.
- Jazyky
- English, Chinese
- Max znaků
- 1000