Spark TTS TTSName
Voice cloning from five seconds of audio combined with prompt-based control over emotion, speed, and speaking style.
ტექსტის გადატანა SSML ჭდეებში ზუსტი კონტროლისთვის:
<speak><prosody rate="slow">Slow speech</prosody></speak>
მონიშნული მოდელისთვის გასაგები ჭდეები - დააწკაპუნეთ, რომ ერთი ჭდე თქვენს ტექსტში ჩააგდოთ, სადაც ის მოხდება:
ეს მოდელი კითხულობს ჩვეულებრივ ტექსტს, ამიტომ შიგნით თავსებული ჭდეები იგნორირდება. ჭდეებზე დაფუძნებული ემოციებისთვის გადადით გამოხატვის მოდელში, როგორიცაა Orpheus ან Bark.
ინდივიდუალური გამოთქმების განსაზღვრა (სიტყვი = გამოთქმა):
ინფორმაცია 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.
საუკეთესოა: Content creation with cloned voices and emotional control
ყველას დათვალიერება Spark TTS ხმაჟ მალკჲ ოჲდლვენსგაŒვ
- პროგრამისტი
- SparkAudio
- ლიცენზია
- CC BY-NC-SA 4.0
- იანვარი
- standard
- სიჩქარე
- medium
- ხმა
- ეა
- ენაName
- English, Chinese
- სიმბოლოების მაქსიმალური რაოდენობა
- 1000