Spark-TTS高逼真声音克隆项目

Spark-TTS 是一种先进的文本到语音系统，它利用大型语言模型（LLM）的强大功能进行高度准确且自然的语音合成。它的设计高效、灵活且功能强大，适用于研究和生产用途。

主要特点

• 简洁高效：Spark-TTS 完全基于 Qwen2.5 构建，无需像流匹配那样的额外生成模型。它不是依靠单独的模型来生成声学特征，而是直接从语言模型预测的代码中重建音频。这种方法简化了流程，提高了效率并降低了复杂性。
• 高质量的语音克隆：支持零样本语音克隆，这意味着即使没有特定的语音训练数据，它也可以复制说话者的声音。这对于跨语言和代码切换场景非常理想，允许在语言和声音之间无缝过渡，而无需为每个单独进行训练。
• 双语支持：支持中文和英文，并且能够在跨语言和代码切换场景下进行零样本语音克隆，使模型能够以高自然度和准确性合成多种语言的语音。
• 可控的语音生成：支持通过调整性别、音高和语速等参数创建虚拟说话者。

下面是几个生成好的例子：

切记后台地址 http://127.0.0.1:7860/