Bark 是由Suno创建的基于转换器的文本到音频模型。Bark 可以生成高度逼真的多语言语音以及其他音频 - 包括音乐、背景噪音和简单的音效。该模型还可以产生非语言交流，如大笑、叹息和哭泣。
项目地址：https://github.com/suno-ai/bark
功能概况：
- 非常真实自然的语音
- 英文效果最佳，其他语言还欠佳
- 支持通过文本生成歌曲
- 支持生成背景噪音、简单的音效
- 支持大笑、叹息、哭泣
安装
pip install git+https://github.com/suno-ai/bark.git
或者
git clone https://github.com/suno-ai/bark cd bark && pip install .
️硬件和推理速度
Bark 经过测试，可在 CPU 和 GPU（pytorch 2.0+、CUDA 11.7 和 CUDA 12.0）上运行。运行 Bark 需要运行 >100M 的参数转换器模型。在现代 GPU 和 PyTorch nightly 上，Bark 可以大致实时地生成音频。在较旧的 GPU、默认 colab 或 CPU 上，推理时间可能会慢 10-100 倍。
支持的语言
| 语言 | 地位 |
| 英语 (zh) | ✅ |
| 德语 (de) | ✅ |
| 西班牙语 | ✅ |
| 法语 (fr) | ✅ |
| 印地语（嗨） | ✅ |
| 意大利语（它） | ✅ |
| 日语 (ja) | ✅ |
| 韩文 (ko) | ✅ |
| 波兰语（复数） | ✅ |
| 葡萄牙语 (pt) | ✅ |
| 俄语 (ru) | ✅ |
| 土耳其语 (tr) | ✅ |
| 简体中文 (zh) | ✅ |
用法
from bark import SAMPLE_RATE, generate_audio from IPython.display import Audio text_prompt = """ Hello, my name is Suno. And, uh — and I like pizza. [laughs] But I also have other interests such as playing tic tac toe. """ audio_array = generate_audio(text_prompt) Audio(audio_array, rate=SAMPLE_RATE)
要保存audio_array为 WAV 文件：
from scipy.io.wavfile import write as write_wav write_wav("/path/to/audio.wav", SAMPLE_RATE, audio_array)
Bark 支持开箱即用的各种语言，并自动根据输入文本确定语言。当出现代码转换文本提示时，Bark 将尝试使用相应语言的本地口音。英语质量目前是最好的。
text_prompt = """ Buenos días Miguel. Tu colega piensa que tu alemán es extremadamente malo. But I suppose your english isn't terrible. """ audio_array = generate_audio(text_prompt)
音乐
Bark 可以生成所有类型的音频，并且原则上看不出语音和音乐之间的区别。有时 Bark 选择将文本生成为音乐，可以通过在歌词周围添加音符来帮助它。
text_prompt = """ ♪ In the jungle, the mighty jungle, the lion barks tonight ♪ """ audio_array = generate_audio(text_prompt)
扬声器提示
您可以提供特定的演讲者提示，例如旁白、男人、女人等。请注意，这些提示并不总是得到尊重，尤其是在给出冲突的音频历史提示时。
text_prompt = """ WOMAN: I would like an oatmilk latte please. MAN: Wow, that's expensive! """ audio_array = generate_audio(text_prompt)
注意：使用Python执行代码时，会默认识别电脑上有无GPU，如果没有GPU则会下载可用于CPU的训练模型，默认模型文件下载地址为当前用户目录.cache文件夹下，可以通过配置XDG_CACHE_HOME环境变量指定模型下载位置
