|
Spark-TTS - AI语音克隆，零样本免训练一键语音克隆 文本转语音 TTS 本地一键整合包下载 ... ... ... ...
Spark-TTS 是一种开源新一代语音生成模型，不仅能够实现零样本的声音克隆，还能根据用户的需求生成全新的声音。该模型由出门问问联合香港科技大学、上海交通大学、南洋理工大学、西北工业大学等研究机构共同开发。和之前发布的CosyVoice ，SeedVC ，FT-TTS 等类似，都可以实现零样本免训练一键语音克隆。
Spark-TTS 的核心是BiCodec，这是一种单流语音编解码器，能够将语音分解成两种互补的“语音令牌”：一种是低比特率的语义令牌，用于捕捉语言内容；另一种是固定长度的全局令牌，用于捕捉说话者的属性，如音色、音调等。
技术特点：
单流生成：Spark-TTS采用单阶段、单流方式实现TTS生成，无需借助额外的生成模型辅助。
超自然语音克隆：能够进行零样本的声音克隆，只需提供一段参考音频，即可生成一个全新的声音，并可以根据需求进行调整。
跨语种生成能力：具备超自然的语音克隆与跨语种生成能力，可以根据用户需求定制精品专属声音。
高度统一的建模结构：Spark-TTS提出了一种全新的语音编码方式，解决了主流语音离散编码存在的问题，实现了建模结构与文本LLMs结构的高度统一。
应用场景：
Spark-TTS已经在出门问问的AI配音产品“魔音工坊”中落地应用，提供了SOTA的3秒语音克隆能力和卓越的精品发音人定制效果。
该技术在客服、有声书、情感直播、影视解说、影视配音等场景下带来了更极致的用户体
使用教程：（建议N卡，显存6G起。基于CUDA12.4）
语音克隆：上传需要克隆的参考音频，输入合成文本，提交即可。
语音创作：输入需要合成的文本，调节参数，提交即可。
下载地址：
迅雷云盘：https://pan.xunlei.com/s/VOKp1ZegofhEnD_Qt6EC0v3oA1?pwd=35hv
夸克网盘：游客， 上上宾会员可免费下载该资源， 点此开通上上宾 免费下载全站99%的付费资源。或单独支付 66碎银 下载该资源 立即购买
百度云盘：游客， 上上宾会员可免费下载该资源， 点此开通上上宾 免费下载全站99%的付费资源。或单独支付 99碎银 下载该资源 立即购买
解压密码：https://deepface.cc/ 复制这个完整的网址即是解压密码，不要有空格，复制粘贴即可。
| 
发表于 2025-3-8 15:32:44
发表于 2025-3-8 17:41:38
发表于 2025-3-8 20:13:58