Spark-TTS
🎵

Spark-TTS

基于大语言模型的开源语音合成系统,仅凭文本即可实现零样本音色克隆与中英双语自然合成,性能媲美商用方案。

🎵 音频 🆓 免费 ★★★★☆
访问官网
✓ 优点
  • 无需参考音频即可克隆音色
  • 中文合成自然度优秀
  • 开源免费,可商用研究
  • 推理效率高
! 缺点
  • 长文本合成稳定性有待提升
  • 需一定技术能力部署
  • 音色表现受训练数据影响
✦ 核心功能
  • 零样本音色克隆
  • 中英双语合成
  • 基于 LLM 架构
  • 可控语音生成
  • 高效推理

简介

Spark-TTS 是由 SparkAudio 团队开源的高效语音合成系统,基于大语言模型(LLM)构建。它的核心亮点在于无需额外的语音编码器,直接利用 LLM 架构完成高质量语音合成,简化了传统 TTS 的复杂流水线。

Spark-TTS 支持零样本音色克隆(Zero-shot Voice Cloning),即使没有参考音频也能通过文本描述生成音色,并且在中英文双语合成上表现自然流畅,性能可与部分商用方案媲美。

核心功能

  • 零样本克隆:无需参考音频即可复刻音色
  • 双语支持:中英文自然合成
  • LLM 架构:简化传统 TTS 流水线
  • 可控生成:支持音色与风格调节
  • 高效推理:合成速度快,资源占用低

价格

  • 开源免费:代码与模型权重公开
  • 自部署:仅需承担自有算力成本