Spark TTS

Spark TTS TTS

Voice cloning from five seconds of audio combined with prompt-based control over emotion, speed, and speaking style.

Rekisteröidy 5 000 merkin raja-arvo

Kääri tekstisi SSML-tunnisteisiin tarkan valvonnan varmistamiseksi:

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

Merkitse valittu malli ymmärtää – klikkaa pudottaaksesi yhden tekstiisi, missä se tapahtuu:

Tässä mallissa lukee pelkkää tekstiä, joten rivitunnisteet jätetään huomiotta. Jos haluat tag-pohjaisen tunteen, vaihda ilmaisukykyiseen malliin, kuten Orfeus tai Bark.

Määrittele custom-äänet (sana = ääntäminen):

-12 +12
0.5x 2.0x
Vapaa Piperin, VITS:n, MeloTTS:n kanssa
Luomasi ääni näkyy tässä. Valitse malli, kirjoita teksti ja napsauta Luo.
Ääni tuotettu onnistuneesti
0:00
Lataa ääni Lataa.srt Linkki päättyy 24h
Vapaa taso: henkilökohtainen käyttö. Kaupallinen lisenssi $5/mo
Rakasta TTS.aita, kerro ystävillesi!

Tietoja 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.

Paras: Content creation with cloned voices and emotional control

Selaa kaikkia Spark TTS äänet

Silmäyksellä

Kehittäjä
SparkAudio
Lisenssi
CC BY-NC-SA 4.0
Määrittämistaso
standard
Nopeus
medium
Äänien kloonaus
Kyllä
Kielet
English, Chinese
Maksimimerkit
1000

Spark TTS äänet

Chinese Default

Chinese
Standardi Neutral

Default

English
Standardi Neutral

Spark TTS TTS – FAQ

It uses a prompt-based control system layered on top of voice cloning, so you can adjust emotion, speed, and speaking style while preserving the identity of the cloned voice.

About five seconds of reference audio is enough to clone a voice in English or Chinese.

Its model weights are licensed CC BY-NC-SA 4.0, which prohibits commercial use, even though the project code is Apache 2.0. Choose a permissively-licensed model for commercial work.
← Kaikki äänet