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