使用场景

在学术研究中，研究人员可以利用该模型进行语音合成相关的实验和研究。

在教育领域，教师可以使用该模型为学生生成不同语言和风格的语音示例，帮助学生学习语言。

在商业应用中，企业可以利用该模型为产品生成个性化的语音提示或语音导航。

产品特色

基于大语言模型的高效语音合成，无需额外的声学特征生成模型

支持零样本文本到语音合成，可跨语言和代码切换

支持虚拟语音创建，可通过调整参数生成不同语音

支持中文和英文的高质量语音合成

提供灵活的语音控制功能，可调整语速、音高和性别等参数

使用教程

1. 克隆项目仓库：git clone https://github.com/SparkAudio/Spark-TTS.git

2. 创建并激活 Conda 环境：conda create -n sparktts -y python=3.12; conda activate sparktts

3. 安装依赖：pip install -r requirements.txt

4. 下载模型：从 Hugging Face 或使用 git lfs 下载预训练模型

5. 运行推理：使用 cli.inference 脚本或 webui.py 启动 Web UI 进行语音合成