2026年7月9日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

一键包:新开源TTS,零样本克隆声音,还能自主创建声音,只需要6G显存,文末一键包

发布日期:2025-03-10 11:46:21 浏览次数: 2695
作者:世界大模型

微信搜一搜,关注“世界大模型”

推荐语

利用大语言模型实现零样本语音克隆,Spark-TTS让你轻松创建个性化语音。

核心内容:
1. Spark-TTS项目介绍及其基于QWEN2.5的工作原理
2. 零样本语音克隆技术与双语支持特点
3. 可控语音生成功能及安装使用指南

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
      这两天在搞文生视频的东西,需要语音的辅助,正巧最近开源了一个tts,语音克隆和语音自主创建的项目,测试了一下,效果真的很不错,后期需要配音的可以直接用这个了,哈哈,废话不多说,直接上干货。
 项目介绍

概述

Spark-TTS是一种先进的文本对语音系统,它使用大语言模型(LLM)的力量来高度准确且自然的语音综合。它旨在为研究和生产使用而有效,灵活和强大。


关键功能

Spark-TTS完全基于QWEN2.5,完全基于QWEN2.5,消除了对流程匹配等其他生成模型的需求。它没有依靠单独的模型来生成声学特征,而是直接从LLM预测的代码中重建音频。这种方法简化了该过程,提高了效率并降低了复杂性。

高质量的语音克隆:支持零拍的语音克隆,这意味着即使没有该声音的特定训练数据,也可以复制扬声器的声音。这是跨语言和代码转换场景的理想选择,可以在不需要每个语言的语言之间进行无缝过渡,而无需为每个语言进行单独的培训。

双语支持:支持汉语和英语,并且能够以零拍的语音克隆来克隆跨语义和代码转换场景,从而使模型能够以高自然性和准确性的多种语言合成多种语言。

可控的语音生成:通过调整诸如性别,音调和口语率之类的参数来支持创建虚拟扬声器。

安装方式
不想安装的直接使用文本一键包即可

克隆并安装

  • 克隆仓库
git clone https://github.com/SparkAudio/Spark-TTS.gitcd  Spark-TTS
  • 创建conda env:
conda create -n sparktts -y python=3.12 conda activate sparktts pip install -r requirements.txt#If you are in mainland China, you can set the mirror as follows:pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com
模型下载

通过Python下载:


from huggingface_hub import snapshot_downloadsnapshot_download("SparkAudio/Spark-TTS-0.5B", local_dir="pretrained_models/Spark-TTS-0.5B")

通过git克隆下载:

mkdir -p pretrained_models#Make sure you have git-lfs installed (https://git-lfs.com)git lfs install git clone https://huggingface.co/SparkAudio/Spark-TTS-0.5B pretrained_models/Spark-TTS-0.5B
Web UI用法
您可以通过运行启动UI接口python webui.py --device 0,这使您可以执行语音克隆和语音创建。语音克隆支持上传参考音频或直接录制音频。
克隆页面
声音创作
效果测试
1、步老师的声音
克隆的声音
2、声音创造-模拟男声
最近看到那种奥特曼送小朋友生日快乐的视频,决定搞一个
哈哈,这个声音是我构造的,参数如下
效果真是不错吧,赶快试试吧

欢迎大家关注公众号、进群交流技术,一件包私信回复【sptts】

 想进群交流的公众号私信回复【进群】不是留言,不是留言,不是留言


历史回顾:


技术前沿 | 智谱开源年首发力作:CogView4开启汉字生成新纪元

开源文生视频第一梯队,阿里深夜开源万相2.1,文生视频领域的deepseek

基于deepseek的视频生成,本地ollama部署,视频制作更加轻松:文末提供一键包

保姆教程:deepseek辅助小白开发微信小程序,有了deepseek你也可以是全栈工程师
别只关注deepseek了,阿里发布qwen2.5-max,比deepseek更好更稳定,排名超越deepseek

多模态AI【奥特曼】开源,可以定制你的贾维斯,联网控制你的电脑和家电

用不了cursor,qwen2.5-coder完全可以平替了,写代码刚刚滴

端到端语音大模型,大模型、语音转文本、tts三合一

2s样本、4s生成,仅需5G显存,克隆你想要的声音,本地-在线同步支持

AI搜索,一个开源可本地部署的Ai搜索引擎,不需要gpu,免费用qwen2.5接口,也可以基于ollama

大模型微调经验和认知

Multi Agent 多agent协同,不仅好玩还很实用,给你一个完整的demo

只需一句代码将chatgpt、rag知识库嵌入你的网站,拥有一个网站智能助手

大模型微调的一些技术理解(一)

AI搜索,一个开源可本地部署的Ai搜索引擎,不需要gpu,免费用qwen2.5接口,也可以基于ollama

llama3.1结合agent,实现大模型对工具的调用,【奥特曼】智能助手的核心调用组件就是他

GraphRAG+Ollama 本地部署,保姆教程,踩坑无数,闭坑


53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅