Spark TTS TTS
Voice cloning from five seconds of audio combined with prompt-based control over emotion, speed, and speaking style.
Zawiń tekst w tagi SSML dla precyzyjnej kontroli:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Tagi wybrany model rozumie — kliknij aby usunąć jeden do swojego tekstu, gdzie się to dzieje:
Model ten czyta tekst zwykły, więc w linii tagi są ignorowane. Dla emocji na tag, przełącz na model wyrażony jak Orfeus lub Bark.
Definiuj własny wymówki (słowo = wymówka):
O tematie 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.
Najlepsze dla: Content creation with cloned voices and emotional control
Przeglądaj wszystkie Spark TTS głosyNa jedno spojrzenie
- Rozwijacz
- SparkAudio
- Licencja
- CC BY-NC-SA 4.0
- Poziom szczelności
- standard
- Prędkość
- medium
- Klonowanie głosu
- Tak.
- Języki
- English, Chinese
- Maksymalna liczba znaków
- 1000