Spark TTS TTS
Voice cloning from five seconds of audio combined with prompt-based control over emotion, speed, and speaking style.
Zabaliť text do SSML značiek pre presnú kontrolu:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Značky, ktorým vybraný model rozumie — kliknutím ich umiestnite do textu tam, kde sa vyskytujú:
Tento model číta obyčajný text, takže vnorené značky sa ignorujú.Pre emócie založené na značkách prejdite na expresívny model ako Orpheus alebo Bark.
Definovať vlastné výslovnosti (slovo = výslovnosť):
O nás 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.
Najlepšie pre: Content creation with cloned voices and emotional control
Prehľadávať všetky Spark TTS hlasyNa prvý pohľad
- Vývojár
- SparkAudio
- Licencia
- CC BY-NC-SA 4.0
- Zvieratá
- standard
- Rýchlosť
- medium
- Klonovanie hlasu
- Áno
- Jazyky
- English, Chinese
- Max. počet znakov
- 1000