Spark TTS ТТС
Voice cloning from five seconds of audio combined with prompt-based control over emotion, speed, and speaking style.
Опакувајте го вашиот текст во SSML ознаки за прецизна контрола:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Означувања на избраниот модел кои го разбира — кликнете за да го пуштите еден во вашиот текст каде што се случува:
Овој модел чита обичен текст, па значи, во редовните ознаки се игнорираат. За емоции базирани на таг, префрли се на изразителен модел како што е Орфеус или Барк.
Дефинирај ги сопствените изговори (слов = изговор):
За 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.
Најдобро за: Content creation with cloned voices and emotional control
Прелистувај ги сите Spark TTS гласовиНа еден поглед
- Развивач
- SparkAudio
- Лиценца
- CC BY-NC-SA 4.0
- Ниво
- standard
- Брзина
- medium
- Гласовно клонирање
- Да.
- Јазици
- English, Chinese
- Макс. знаци
- 1000