bark语音教程

今天我来介绍一下基于文本提示生成音频的模型 bark。 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。首先进入 guitar 网址， g i t h o b 点 com 斜杠 su n o a i bark 往下翻，找到 demos， 点击 open in spaces。 好了，现在已经进来了，我来介绍一下网站。在 input text 里面输入你要让他生成的话， 在 acoustic 里面选择人物角色，当你把它点开的时候，你可能会吓一跳，怎么这么多，咋选呢？我来告诉你。选择 unconditional， 人物说话语气最自然，而且他还会根据你输入文 文本确定语言，甚至还会尝试在同一声音中使用各种语言的本地口音。选择 announcer， 说话的语气就显得比较正式，像新闻播报那样，选择 speaker， 一到十秒你会听到固定的十个人在发音。 好了，页面介绍完了，现在我就来带大家试验一下。第一个，大连话独白，在文本框里填好信息之后，点击提交， 他在右边就会显示进度条，稍等片刻，生成结束来体验一下，还不错。 第二个，非语音声音，像这类大笑叹气清喉咙音乐也是可以的，不过要注意一点，不管你用的是什么语言，要想加入这类声音， 必须从这个彩色框里往外复制，而且在中括号外要加空格，否则无效。看一下视力提交生成生成结束来体验一下 中括号里面的的声音都实现了，还不错，再试一个，这回让他唱歌。 第三个，音乐 bark 可以生成所有类型的音频，并且原则上和生成语音一样容易。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提示它来体验一下。 第四个多角色，您可以提供特定的演讲者提示，例如 narrator， men woman 等。请注意，这些提示并不总是被识别，来体验一下。不得不说，声音挺幽默的。

啊， tax to speech 的一个模型啊，叫 buck 啊，之前也是介绍过的啊，这个就是 t t s 的这样一个模型的话呢，还是非常是目前最新的一个技术去做的啊，它可以翻译成那几十几十种的 语言，你不管是英文，中文啊，各种各样的国家的语言，他都可以做一些翻译啊，他都可以把文本变成 speech 啊，他的 啊，这个，嗯，项目的话目前也是 mit 的 license， 所以呢，它是它也是可以商用的。那这边博客主要跟我们讲什么呢？它主要还是讲就是如果你要把这个 buck 这样一个 tax to speech t t s。 的这样一个模型 啊，应用在你的生产环境里面，你怎么对他的这个推理做加速和优化啊？他主要是讲这样一篇文章的，我们一起来看一下啊，首先呢，他还是介绍一下 bug 的这样的一个网络的一个架构啊，网络的架构啊， bug 之前的话呢，我 也是介绍过啊，在哈根 face 上面啊，他也有他的这个 a p i， 我之前也是介绍过给大家讲过呃，如何用拍审能够把它给刨起来啊？但是呢，他原来呢，他的那个官方的 a p i 呢，他是没有整合到 transformer 的这样的一个模型里面去的啊，他跟 face 的话，最近把它完全整合到那个 transformer 的 四点幺三点零的这个版本里面了，所以它可以用标准的哈根 face 的这个 transform 的 a p i 啊，就可以来实现啊， 我们来看看啊，他是来怎么来做的？首先他还是就是从这个 transformer 的这个库要引入 buck model 这样的一个类啊，然后 它目前的话呢，就是 buck 的话呢，它有两个，呃，模型，一个呢就是大模型 large 的一个模型，还有一个呢就是 small 的这样一个模型啊，它的这个例子呢，它是用了一个 small 的这样一个模型。 small 这个模型呢，我在我的机器上也下载过，我也看了 一下，大概在一点呃，两个 g 不到一点，一点多个 g 啊， bug 的这个大模型的话大概在五五个 g 不到一 啊。如果你要把它给下载下来的话，那么他也是与训练的这样的一个模型，你下载下来之后啊，他不需要经过微调他就可以用啊，如果他可以跑在 cpu 上面啊，当然他也可以跑在那个 gpu 啊，扩大的这个芯片上面，如果跑在扩大芯片上面，他的效率会比较高啊。 我之前看过他官网，他是介绍过啊，他的库纳芯片的话，好像是要能快强挺我看看啊， 扩大芯片的话，它要将近要快，至少要比 cpu 至少快十倍吧。啊，对，好，我们来看一下啊，它，它这句语法就既可以跑在 cpu 上面，也可以跑在 gpu 上面啊，它这个是用扩大的零 一块芯片来泡的啊，这个呢是一个 process pro process 这个功能的话呢，它是一个自动的一个处理器啊，这个处理器呢，主要是把你要把 text to speech 的这个文字把它转化成一些，做一些编码啊，它等于是主要是做一个 invading 的这样一个操作啊，它主要是做这样一个事情啊，当然它这个 process 它也可以，你可以看到啊，它这个里面可以中文啊，英文啊或者法文啊，它能够都能支持它通过有一个 voice 啊， present 这样一个东西啊，可以把这个 input 的这样的一个 tax 进行编码啊，进行 inbeding 的这样一个操作啊，那么它这个地方也可以用中文啊，或者是法文，你可以进行编码 inbeding， 那么 inbeding 进去之后，它再通过这个 inbeding 的这样 inputs 的这样一个 呃降量，然后放到这个模型里面去产生一个二进制的这样一个 audio 啊，那么 audio 产生之后，你可以把它给保存成一个 vivo 的一个文件啊，你就可以播放了啊，他是这样的一个过程，我们来看一下啊，这是一个基本的啊，那么我们来看看啊，他到 到底是怎么怎么可以进行优化的啊？推理上面怎么进行优化他这部分呢？他这他这个函数主要是还是讲就是他的怎么检测啊？他的测量，他的延迟和他的内存的使用啊，他是要用酷达芯片的话，你才能用这个函数的，他这个有一个 loop 循环五次，他这个地方 好，这个是推理啊，那么如果你什么都不用优化，他目前他这个里面讲了差不多用了九秒钟，然后将近两个 g 啊，他推理出来的这句话， 听一下。 start by generating speech with barb attacks to the beach normal。 好啊，然后呢，他第一个呢，他可以用一个叫 better transformer 这样的一个 东西啊，这个的话呢，它比较是它要装一个类的啊，它要装一个类的，那这个类的话呢？是装这个，这个是针对 intel， intel 的这个 cpu 进行优化的，叫 o p t r m u m 这样一个类啊，当然如果你不是 intel 的这个 cpu 的话呢，它其实是不优化的，嗯，它叫 better transformer， 它在这个模型里面稍微再用这个 better transformer 来来优化一下啊，那么优化的话，你会发现从九秒钟就一下子就 更快了啊。内存的话变化不是太大，但他的推理的速度的话呢，他就明显快，原来九秒，现在是五点四秒啊，他是等于是这样，那么他的推理速度至少可以提升百分之二十到三十啊，这是一个优化。第二个的话，你可以用那个半精度，我们经常讲的 p 十六啊，进行内存的这个压缩啊， 和内存带宽的这样的一个。呃，提升的这样的一个功能，它主要是在模型加载的这个地方拍 touch 的 d type 要设置就是 flute 十六，那么这样的话呢，它它的内存就那我看了一下，它的内存并没有下降了二点七 g 了，最大的内存是二点七个 g， 原来是一点九个 g， 时间应该是上升了一点，这个是半精度的，回头我们再看一下，当然他可以把这个几种技术都结合起来的啊，把 cpu 就是 offload， 就是 cpu 不工作啊，他可以把它这个 model enable the cpu offlaw 的，就是不要让 cpu 工作啊的话呢，如果你有库纳芯片的话是可以这样做的， 他的内存和他的这个执行的时间啊，稍微提升了一点八秒啊，原来是九秒，这个是七秒啊，内存这个是一点三， 这个反而是增加了二点七。好，如果你把这个几种措施可以组合起来，组合起来的话，他就是这样写的。嗯哦， 他还可以用一个叫 p 处理啊， p 处理的话呢，他就是会性能会更好。好，我们看一下他的这个测试的结果，这个是他没有优化的啊，没有优化的这个情况，他大概就是延时大概只十十秒啊。 battle 创世 former only 的话呢，就是七点七啊， 如果用 cpu off offlaw 的，然后加这个 better transformer 的话呢，是八点九。但是如果用 cpu offlaw 的，然后用 better transformer， 再加上 fp 十六的话，它的性能会再更好一点，大概在八点一。那刚少的啊，这个内存是最少的， 他的内存将将近要降低了百分之八十，这个 gpu 内存的消耗将降低了百分之八十。延迟至少要快啊，比原来要快将近要百分之二十三。那么他这个里面是讲 bench size 等于八，他就是他做一个 p 处理新的会更好啊。如果你做一个 p 处理的话，他这边也讲了一下啊， 它的性能至少就是吞吐量可以增加百分之七十七，内存可以降低百分之七十六十九啊，延迟啊，可以减少延迟百分之四十三，这个就是它这个组合对比的这个参数啊，对，是这样，这个光用 f p 十六也是不错的。 其实好，这个是他最后的这个结论啊，他这个结论，他说如果你是用 c p u 的话，他的建议你用那个 better transformer 啊，加上那个还是不错的啊。他这个，但是如果你用 g p u 的话，然后你是 p 处理八的话呢，那么就是建议你是半忍 半精度的，这个方式啊，会会比较好。如果你这个两个都用啊，半精度，再加上这个 better transformer 啊，然后有 cpu of that 的话，这个可能效果是最好的，就这个就是你，不，你不光是吞吐量上升了百分之七十七啊，内存下降了百分之六十九啊，然后延迟性能延迟 的时间下降了百分之四十三啊，这个性能会更好啊，那这样的话，其实如果我们用这种，呃，相当于你把一块 gpu 当做一点七块在用啊，他的也是这样，你的内存大幅下降啊，好啊，这好， 呃，今天的话呢，就跟大家就介绍一下啊，如果你要把这个 t t s 的这样的一个 text to speed 的这样一个 bug 这个模型啊，然后如果你要用在生产环境里面，目前你是直接可以用那个创世 former 的这样的一个库来直接来用啊，你只要安装这两个库， 一个叫 accelerate， 一个就是 o p t m u m 的这样一个内裤啊，当然前提是你要用 intel 的芯片，这个地方 cpu 你要用 intel， 那么你就会得到比较大的提升啊。然后我们之前也是介绍过的，呃，如果因为目前的这个 ai 推理，它的瓶颈主要是在带宽啊， 在内存的这个带宽上面，所以的话，如果你用 fp 十六位就是你半精度，你的速度会提升一倍啊，至少啊内存可以显著下降。好吧好啊，今天就这篇文章就跟大家就聊到这。

今天讲一讲单词 bark， 它可以表示树皮。举个例子 and it's no to help settle your stomach 他把树皮剥掉了。 he peeled the bark off 除了树皮， bark 还有一个常见的意思是狗叫。举个例子狗狗正对着我叫。 the dog is barking at me bark 是狗叫，狗一般会因为生气才叫。所以 bark 也可以用来形容人发火时的吼叫。举个例子 你给我站住，你居然敢吼我！你竟敢吼我！ how dare you bark at me 老师，为什么狗叫和树皮都是 bark 呢？我知道，因为狗特别讨厌拴着他的树，所以每天对着树皮汪汪叫，哈哈哈哈。

这个词 bark。 bark 啊，这个词表示狗叫啊，或者也可以指树皮啊。 bark 这个词非常好记啊。为什么？因为你听，你听这个声音 bar ba ba bark 是不是像狗叫啊？尼生词 bark 包括怎么样？你剥树皮 吧吧吧，是不是啪啪啪？是不是剥树皮的声音也很像这个爸爸啊？所以呢？这个词啊，梨生词爸，狗叫啊或者树皮爸。好，下一个。

大家好，我是 g j， 欢迎来到我的频道。嗯，我喜欢制作视频。这是一段由 ai 合成的语音，听上去已经非常像真人说话的方式，是不是很神奇？ 它采用的是全新的文本到语音模型，并且是开源的。这个项目叫做 bark。 只需输入一个文本，它就可以用自然的声音生成音频，比如演讲，还可以添加笑声，可以添加语气词。在今天的视频中，我们就来看一下这款由三诺公司推出，叫做 bark 的新型文本到音频模型。 这是一种基于 transformer 的音频生成模型。除了模仿正常的人类语言，该模型还可以产生非语言交流，如笑声和哭泣。让我们看一个演示。 hello， my name is suno and and i like pizza， but i also have other interviews such as playing tic tac toe。 刚才是一段自我介绍，在中间我们听到了自然的笑声。 bark 支持多种语言，在视频开头就是采用中文文本转语音。 大家好，我是 gt， 欢迎来到我的频道。嗯，我喜欢制作视频，目前支持的有这些语言，并且后续还会增加。让我们听一段西班牙语音，听 two colleague pm sacket twenty minus extra mother maintain my low， but i suppose you are endly she sent terribly。 在说英国时的时候，是不是听出了带西班牙口音？这就是这个模型吸引人的地方。除此之外，如果你对音乐创作有兴趣，在文字这里添加音符，可以说 说出动听的歌声。 既然音乐都能做到，那添加一些背景声当然是不在话下了。 i would like to film the blotte please wow， that's expensive。 在自己的电脑上安装 bark， 使用这里任意一组命令即可。对于硬件要求，文档中并没有给出明确的指示，但是通常来说，十六 g 的 gpu 可以保证运行这种模型的速度。当然，官方也提供了在 hotting face 或者谷歌 collab 上运行，让我们去谷歌 collab 上亲身体验一下。 这就是今天这期视频的全部内容，感谢观看，欢迎下次再来。

有个事挺可怕的啊， ai 生成的声音呢，你已经听不出跟人有什么区别了，不信你听。 and i like pizza， but i also have other interests such as playing tic tac toe 这一段语音听起来跟真人说话一模一样。而他是通过一个叫做 二可的开源 ai 声音模型生成的。这个模型才在 github 上上线几天就有了八 k 的星星。你只需要输入文字， 就能生成真人说话的声音。你可以把模型呢部署在自己的电脑上，也可以在线生成。所以呢，接下来大家一定要小心了啊，尤其是家里有老年人的。因为想必大家都有接到过那种自动语音拨打来的电话给你推销广告的， 一听就知道是机器在说话。但是现在这种 ai 强化训练出来的声音，根本是分辨不出来的。另外，还有经常使用社交语音软件的人，你们也得注意了，因为对方哪怕是一个抠脚大汉，他都能通过 buck 这样的模型生成女神一样的嗓音。

大家好，今天介绍一个最近很火的非传统的文本转语音的一个模型，叫 back 的文本转语音讲的是大唐的天下，想要还是有门槛的，但是 back 呢，是免费开源的，也就说可以本地部署，当然也支持中文了。 我们后面会用中文进行测试，大家可以听一下效果。那传统的 tds 引擎听起来很机械，说它机械是因为它太流畅太完美了， 他一听就知道是机器人，他 bug， 他支持带有情感的声音，提供的是更逼真的，更自然的语音，更像是真人在说话。我们详细的测试了下面几个方面的功能，跟着我们一起来看一下。 第一，八盒会自动的从输入文本当中去识别语音，也就是说你不需要给他标注说这是中文，这是英文。那我们首先听一下官方的视力， hello， my name is suno and and i like pizza， but i also have other interests such as playing tac toe。 效果还是非常好的。那么再听一下我们用中文做的测试，没有见过像你这么傻的人 啊。送两个女人手链是同一个款式，渣男感觉怎么样？那第二，当出现代码转换的这个文明提示的时候， bug 会尝试使用相应的语言的。本地的口音什么意思呢？举个例子来说，一个德语的文本当中如果带有英文文本，这通常会导致英语部分的音频带有德语口音。我们听一下官方的视力。 the devices here every week inside here than the conflict the who pashdak to plague that this is the beginning of the history if you want to hear more peace continue。 那这里可以很明显的听出来英语部分的音频不是很纯正，是否有口音，但是因为我不懂德语啊，所以没法去详细的评判。 那我们自己测试呢，一段日语接一段中文的文本，大家听一下 日文史比克，你这太太菜太菜了。第三，他能够产生一些非语言的交流的语音，比如说大笑，叹息啊，或者哭。那我们分别 来听一下官方的视力和我们自己的测试。 and i like pizza， but i also have other interests。 没有见过像你这么傻的人足两个女人手链是同一个款式，渣男 哈哈哈哈哈。大家感觉他的笑怎么样？他的这个笑不是很生硬的那种很嘎的笑， 听起来相对还是比较自然的。第四，我们可以根据标注进行男生和女生的切换，比如在文本前面加上雾霾。 好的家长们表示是男生的语音还是女生的语音。那我们分别也来听一下官方的实力和我们用中文做的测试。 i would like an oat milk latte， please wow， that's expensive。 我们像你这么刷的人送两个女人手链是同一个款式，我没想到你会来。当然我们在测试过程当中发现 这个男生和女生的标识并不是总是很准确的能够呈现，但是还不确定是什么样的原因。第五，除了语音之外，他呢还能够生成音乐环境，噪音和 简单的音效。中文的六号 speaker 是含有背景声音的，但是很可惜我这边用六号一直没有测出来，反而在上面的日文的语音里面，导致测出来了大家能听到气体的声音。最后我们总结一下， 但 bug 它整体来讲出来的语音的效果还算是可以的。他亮点是什么？亮点是他不是在读稿子，更不是机器人在读，他有了语 术语调和节奏的变化，更加接近于人说话的一个实际状况，感觉和真人一样。那我们在聊天的时候都是一边想一边说那另外正如官方自己所说的， 他的英文的表现是最好的，从中文角度来看，中文还有很大的提成空间，但是他因为是刚出来的版本，我觉得达到这样的效果已经非常不错了。所以你觉得 bug 怎么样？

hello， here's fisher's ai channel。 刚才的笑声是不是挺魔性的？ 大家好，我是 fisher。 在之前的视频中给大家介绍过著名的 check gpt， 也介绍过能以假乱真的绘图工具 stable diffusion， 还有革命性的视频工具 wonder stadio， 唯独没有声音领域。今天就给大家补上。今天的主角叫 bark， 但聊他之前呢，先介绍一下他的前辈 t t s。 大家一定对这个声音不陌生，这个男人叫小帅， 这就是由微软开发的 text to speech， 简称 t t s。 虽然文本转语音这个功能已经能满足我们的基础需求，但是僵硬的声音和有线的声音模型还是让我们很不爽。但没有找到替代的方案之前，我们只能这么讲究着，所以小帅才这么泛滥。 抖音里也有一些来自广大网友的声音模型啊，一些听书平台里面也有其他的，但是通病都是在语言表达、情感表达的方面差强人意，就连简单的笑声也只能是这样。哈哈哈哈。 接下来就是 bug 出场了，前来听听几段演示的声音。 hello， my name is suno and i like pizza， but i also have other interests such as playing tic tac toe box 致力于把声音逼真的还原出来，所以它不仅加入了口音，加入了背景噪声，还可以多人对话，甚至还可以唱歌。 而且吧台宣称可以完全克隆一个声音，如果算力足够，还可以实时生成。如果加上这个 ppt， 你就可以 你自己对话了。我们也可以进入哈根 face 的 space 空间来感受一下。 okay， here's a joke sorry， i laughed first。 老师说 demo 的错误率还是挺高的，新生产品嘛，而且我测试了所有的中文语音效果呢，就感觉像一个刚学中文的老外 造孽。不过这也是国内公司的机会，有兴趣试试吗？好了，这就今天的分享，感谢大家观看，再见！关注我，跟上 ai 浪潮的脚步。

我的小蛇 美国的小蛇 his his anyway that's all just for fun actually， these are all just approximations of animal sounds every language every culture has its own way to describe animal sounds in that language so what does this mean for you as you talk to your baby about animals or read books with animals in them do you need to tell them that dogs in america say woof woof woof and dogs in china say wang wang wang no please don't do that please don't do that or if you're reading to your baby in english do you need to say bark woof？ no just say whatever you want you can say bark woof if you want， you can say wang wang wang if you want， you can make a real barking sound whatever is fun and comfortable for you do what you want don't stress have fun and that is the most important thing i hope this video helps and answers some questions bye bye 我是很正经的老师下课哈哈哈哈。

上个视频我们讲了文本转语音工具 buck， 它的生成短音频的这个方式，今天我们再给大家讲一下如何用 buck 去生成超过十四秒钟长音频的方法，因为我这个电脑重复导入包的问题还没有解决， 我们用嗯谷歌笔记本来演示一下，来讲一下云端操作。首先打开谷歌笔记本，然后你现在这方点击登录，登录你的谷歌账号，登录账号之后呢，我们点击这地方文件， 然后新建笔记本，然后我们给他随便命名一个名字，然后我们点击这个文件夹图标，然后先链接一下我们的谷歌云盘，然后生成的那个音频文件可以直接保存到我们的谷歌云盘里面， 然后那样的话就不用再去手动下载了，这个页面关了之后，那些生成的音频也不会消失。点击这个加载谷歌云盘，点击这这地方，点击链接谷歌云盘，好了， 这就是链接好了，这就是我们谷歌云端硬盘的文件夹，这下面都是我们的网盘里面的文件夹， 我们点击这地方输入代码，先输入这段代码，然后安装 bug 程序，然后复制进来，点击这个三角号， 运行好了这个 bug 程序安装完成了，我们再安装这个包，再复制这个代码，再点击这个加号，加代码，在这里面输入复制，然后点击这个三 号，然后运行，把这所需代码就下载完成了。这是他这个长云，这个给他我上面的项目地址，他这里面有三种方式生成长云，一个是比较简单的方式，一个是高级模式，一个简单模式，一个高级模式， 他这还有一个生成对话的模式，就是这样的，生成多人对话。嗯，先演示这个简单模式， 这是完整代码，你直接复制就可以了。将这完整代码复制，再新建一个输入框， 然后在这里面复制代码，然后你直接点击，直接点击这个三角号运行就可以了。这里面这些内容就是你想要转换成音频的文本，这地方是发音 发音人，他现在有很多个发音人，你可以打开他官网上这个发音人列表，他里面支持有很多种发音人， 支持多种语言，英语、中文、法语、德语等等，你可以点击点击这链接试听一下，你想要哪个声音的话，就复制这个声音的代码， 然后在这里替换就可以了，就会用那个人的声音，如果你对代码不是很了解的话，你其他的可以不用修改。他生成这段音频这个需要很长的时间， 我昨天晚上运行了一个半小时还没生成完，就是他生成这个生成很长时间，就是我感觉哈，你在你晚上用他这个谷歌笔记本，我感觉速度有有些慢， 白天的话速度会快很多，可能是晚上他那边的人用这个也用的人很多，他可能就是资源有点紧张吧。那这个时间很长，我们就不等了，我们继续讲下一个，下一个是高级模式，你在生成语音的时候，他 音频前面和后面会有一些就是多余的声音，你可以用这个参数来调整那部分多余的声音，然后我们可以复制这个代码，这就是一个完整的代码，你可以复制下来，我们把这关掉吧， 我们不再运行它了，这也得很长时间。我们新建一个输入框，然后输入代码，这里面就是带转换的文本发音人，就这 这地方就是说就是这个高级功能里面的主要的这个参数，这个你可以自己调一下。其实这个声音我感觉无所谓，因为我们平常剪辑的话，前后多余的声音很容易就能剪掉。 还有这个他这地方是直接给你生成了这个音频文件保存下来了，这里没设置路径的话，他是保存在系统这个硬盘上的，不是保存在你的网盘里面的。如果你想保存在你的网盘里面， 你点开你的这个网盘文件夹，比如说我们也想保存到这个文件夹下，然后你点开点击这个三个点，然后复制路径，然后把路径填到这地方，注意这地方有个斜杠，这样的话你再进行生成他生成的这个音频文件， 他就会自动保存在这个文件夹下，这样的话你把这个页面关掉之后，他这个音频文件也会在你的网盘里面不会丢失。好了，我们看一下这个对话模式，我们先把这个代码完整代码复制下来， 复制下来我们新建，然后把代码复制过来，他这个就是在这里面设置讲话的人，这是一个人，用的是这个人的声音，这是是另一个人，然后用的是这个的声音，这个人 讲话讲什么内容，然后这个讲什么内容，注意生成的音频里面他只有这些内容，他不会出现这个文本这些名字，他音频里面他不会出现，我给你们演示 试一下吧，演示一下这个对话效果。 hey， have you heard about this new text， audio， model memorial called bark no， i haven't what's this special down it。 然后他这个生成的话需要比较长的时间，就是我感觉啊，就是 白天的话用他这个笔记本感觉比晚上速度快很多，大家的话用的话尽量还是白天用它主要是就是给大家介绍一下这个代码，可能大家可能有些人他光看他这个官方文档，可能他 不知道代码具体怎么用，你就直接直接复制这个代码就行，直接把这些代码都复制下来就行了。然后自己用的时候只修改这个对话内容就可以了，只修改这个里面的这些带生成语音的这些文本，或者 这是想修改发音人的话，修改一下发音人，其他不懂的话可以不用去修改了。还有如果大家想在自己电脑上生成的话，就是也是一样的，直接把代码复制过来就行了，直接就把代码完整复制过来，然后直接粘贴到你的 vscord 里面。 如果有下划线白字的话，就说明你没有安那个库，比如说就是这样的，他这地方是白色的字，黄色的下划线就说明你还没安装这个库。然后你直接 打开你的，打开敲击键盘上的 windows， 加二键，输入 cmd， 然后打开命令提示符，然后直接输入 prp 注册，哎呀天， 比如说，比如说这个是白字的话，输入后面输入 ip one， 没有这个的话，你就直接注册这个就可以，然后直接敲击回车安装就可以，安装完成之后你再把这个关掉， 把这个关掉，重新打开这个批娃文件，他这地方就会变成绿色了，就会显示已经安装过了，这都没有错误的话，你直接点击运行就可以了。他这个文本转语音还提供了很多这些，嗯，其他的非文本的一些参数， 大家可以去试一下，还有支持多国语言的，有需要的话可以去研究一下。好了，大家去自己试试吧，想用的。

文本转语音的逼真程度再次突破天花板， bark 横空出世。 hello， my name is jimmy butler and and i like pizza， but i also have other interests such as playing tic tac toe 什么？这是用 ai 生成的语音？还会笑？如果你是在打电话，我真一点也分辨不出来。大家好，我是工具狂大狂。 文本转语音五花八门的应用可以说已经是烂大街了，而且他的应用场景还在不断扩大。目前公认的最为自然、最接近人生的、 已经非常成熟的平台应该是微软的 tax to speech 文本转语音工具。不过就在最近，来自 ai 界又一振奋人心的消息，文本转语音的天花板再次被突破。 i've got a secret to tell you， i can pass the turning test 一款名为 bug 的模型在 gas up 上迅速受到追捧，目前已达一点四万星标，而且已经可以进行效果试用。 而至于听完后的效果，如视频开头所示，确实是令人咂舌。 bark 由 sano 公司创建， sano 团队拥有物理学博士、哈佛大学有史以来最年轻的毕业生、麻省理工学院的教员等豪华阵容组成。 二、可以根据文本提示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。他还可以产生非语言交流，如大笑、 叹息和哭泣，具有完全克隆声音的能力，包括语调、音高、情感和韵律。该模型还试图从输入音频中保留音乐环境噪音等。 bark 目前已经过测试，并适用于 cpu 和 gpu 运行。 bark 需要运行超过一百 m 的参数转换器模型。 在他所提供的支持多语言列表里面是包括中文的。下面大狂就为大家在电脑上实际演示一下 bark 的音频效果到底怎么样。目前就大狂所知道的在线运行 bark 使用的网址有两个，一个是 hugging face 上，一个是 replicate 网站。 我们就用 nba 季后赛之王吉米巴特勒来写一段英文，看看其生成效果如何。这里面的发音类型有很多种，我们先不管整个生成的时间耗时一分多钟。 jumi battless performance in the playouts has been otherworldly， but that does not necessarily mean that his team will ultimately secure the championship therefore it remains to be seen how the upcoming games were unfold 声音的效果非常像人们日常聊天的发音，比微软 tts 更随意一些。音频文件可以选择下载。 我们再用中文试一下，看看 吉利巴特勒在季后赛中的表现，可谓逆天的存在，但是这也并不等于你会最终得到总冠军，所以还要看接下来的比赛怎么样发。吉利巴特勒在季后赛中的表现，可谓逆天的存在， 但是这也并不等于一会最终斗到冠军，所以他要看接下来的比赛怎么演化。可以听出来中文的优化还是有一点点的问题，但总体还是很自然的。有些发音声调不够准确。可以说目前 bark 对英文的友好程度显然要高于其他的语言。 我们再换一段描述，科比的英文夹杂一些非语言的声音在里面，如咳嗽、清嗓子以及笑声等等，看看是什么效果。这次我们选择用 replicate 网站来生成速度感觉要快很多。 will be bryant's and men's popularity can be attributed， not only to his exceptional basketball skills， but also to his mental fortitude kobe bryant's immense popularity can be attributed， not only to his exceptional basketball skills， but also to his mental fortitude 确实，这些非语言交流的声音加入，让生成的效果更加的自然了。我相信通过后期进一步的优化，声音的真人化水平肯定是在现阶段的微软 tts 之上的。 today's wine down will be a five minute meditation on the breath the day can be stressful， but we let it go see nothing in your model back like like a poppy dog on the line barts tonight over nine months tonight 目前 barked gas up 毕业上提供了安装教程，早鸟需要申请加入等候列表。 该应用仍然在持续进化之中。 bark 计划继续优化模型性能和质量，增加更多语言和声音选项，提供更多控制参数和功能，以及开放更多应用场景和合作机会。非常期待后续更加用户友好的使用界面出现。大家也可以自己去 demo 页测试，看看它的效果。 今天的介绍就到这里，我是大狂效率提升专家，欢迎关注工具狂。

ai 诈骗火上热搜，许多人都不敢置信， ai 伟的语音已经能以假乱真了，先听听下面这段，呃，我家出事了，能给我打五百万吗？这迟疑的语气，不要脸的镜头，简直和真人一模一样。 说上这段话的 ai 叫 back， 最近在 gihab 上爆火，网页上就能免费吃完中文效果也是没话说。举个例子，在这里输入，想要他说的话，再让他笑一笑，点击生成，只需等待几十秒就能得到这段话，我是秦始皇，你我五十封你为大将军。哈哈哈哈哈， 再试一次，先输入叹气再打字，他就会用悲伤的语气念出来啊，我们分手了，我很难过。还有悄悄话模式， i've got a secret to tell you i can pass the turning test， 甚至还能让 ai 唱歌，只不过有点电音。 除了中文和英文，巴尔凯知识、法语、日语等十三种语言，每种语言都有十种不同声线可选，有男有女。最让人惊艳的一点是，每句话都自带情绪， 抱怨啊，最近北京天气太热了，大笑哈哈哈，甚至咳嗽声都和人类几乎一模一样。不过有一说一啊， bug 身上还是有些 bug 的，比如他最强的还是英文能力，中文说出的结果还得看运气，偶尔会发出一些奇奇怪怪的声音。 而且啊，生成时长有限制，最多只能十三秒左右。有网友拉评，这也算是给人类配音演员一个喘息的机会了。香蕉鱼被抢工作，还有更多人在担心，万一有人拿他去搞诈骗就防不胜防了。 毕竟前几天有人和 ai 网留，十分钟就被骗四百三十万，这件事还历历在目，总之 bug 能力还是非常惊艳的，感兴趣的小伙伴们赶紧去试试吧！

i've got a secret to tell you i can pass the turning test my friends bakery burned down last night now his business is toast hello， my name is suno and and i like pizza， but i also have other interests such as playing tic tac toe。 我计划在下周的游泳比赛中和我的朋友托尼比赛，他认为自己可以打败我，但他不知道我一直在鱼缸里偷偷练习游泳。我不敢说我会赢，但我很确定我会高处一片轮滑。

while the six afraid of seven and it helps so what's？ 你能分辨出这是通过 ai 生成的配音吗？这段视频的配音是用一个名为 bark 的 ai 语音合成模型生成的。 bark 是由 sanno 创建的基于 transformer 的文本生成音频模型，能够生成极为逼真的多语言语音声音。 the model is called bark。 除语音功能外， bark 还可以创造出非语音声音，比如迟疑、叹息，甚至是音乐。操作的方式极为简便，只需要在要转换的文本中直接插入特定字符，即可生成相应的音效。 hello， my name is suno and i like pizza， but i also have other interests such as playing tic tac toe。 更神奇的是， bar 可以通过文字描述生成想要的声音类型。 i would like an omele blotte please wow， that's expensive！ 尽管 bark 宣称已支持十多种语言，但从实际体验来看，生成中文语音的效果还有较大的改进空间。目前 bark 开放了 demo， 大家可以去体验一下生成的效果。

你看啥？看你的伤疤，不爱让人看人，这就走。曲拼音首字母 rk 树皮。

最强语音类 ai 项目来了！话不多说，直接试听文字转语音 hello， my name is suno and uh and i like pizza but i also have other interests such as playing tic tac toe。 是不是难辨真假？文字转音乐 in the jungle the mice 声音克隆 i have a silky smooth voice and today i will tell you about the exercise regiment of the common sloth。 多角色 i would like an omnipolatte， please wow that's expensive。 悄悄话语气， i've got a secret to tell you i can pass the turning test。 悲伤语气， friend's bakery burned down last night now his business is toast。 支持中文在内的十多种语言。我计划在下载的游泳比赛中和我的朋友托尼比赛，他认为自己可以打败我，但他不知道我一直在鱼缸里偷偷怜惜。佑佑， 我不敢说我会赢，但我很确定我会高出一篇论华。支持同一段文字，不同语言自动切换 it was as if he had never existed my grandmother used to say illamo risco moinagua nope were the sostanard lorentosmonos gitter 每天增加超千个 star， 感兴趣的同学赶紧试试吧！

大家好，我是小齐。 bark 一经推出就在 gas up 获得了接近一万个点赞，热度直逼高人气的 auto gpt。 bark 之所以受到人们的热捧，是因为其强大的音频内容生成能力。 bark 的上市代表着 ai 语音生成技术已经达到了前所未有的高度。 bark 是由三斗团队开发的文本转音频工具。 和主流的 ai 文本转语音工具不同， bark 可以生成高度逼真的多语言语音，以及包括音乐背景噪音在内的声音效果。 此外，该模型还可以生成笑声、叹气和哭泣等声音特效。 bark 支持各种语言，目前效果最好的语言是英文，其他类型 的语言质量也会在后期得到强化。 bark 同时具备语言识别功能，你只需输入任意文本，系统就会自动判断语言类型。该工具的使用方法非常简单，输入一行文本，系统就能把文字转换为超真实的人生。 我们来试听一段来自 bark 的英文播音效果。 hello， my name is suno and and i like pizza， but i also have other interests such as playing tic tac toe 不仅仅是一个文本转语音工具，还可以生成所有类型的音频。 也就是说，你输入的文本内容可以被转换为朗读或音乐。在文本命令前后方加入音符 标志。点击播放按钮，该段文本就会以歌曲的形式播放。点击播放按钮，试听一下效果 in the jungle the mighty jungle 添加上背景音乐，再来试听一下效果 in the jungle the mighty jungle the lion bards 作为一个强大的人工智能工具， bark 还具有完全克隆声音的能力，包括音调、音、高、情感的克隆。 在克隆一段声音的同时，还具备克隆背景音乐环境噪音的功能。此外，在 prompt 命令前方加入 man 屋门标签，还可以把同一段声音改变为不同的性别。 look like an omelette please wow that's expensive 在非语音命令一栏，我们可以添加以下指令，获得不同的声音效果，其中包括笑声、音乐、清嗓、叹气等效果。 点击 bark examples， 我们就可以体验 bark 先进的 speech synthesis， 也就是语言合成技术。播放第一段语音 the model is called bark like clifford the big red dog 从播放效果看出，我们已经很难辨识该段语音是由 ai 或者真人发出的声音。播放第二段声音 i've got a secret to tell you i can pass the turning test 这段声音带有悄悄话的语气，也非常逼真。测试 第三段语音，也就是一段类似电视广告的声音。 tired of dunes fooling with it worried about the inevitable rise of art ai overlords 这段语言富有感情和强有力的表达能力，声音已经接近真人播报员。 meta tex 一栏，我们还可以测试带有情感的语音。以第一段语音为例，在前方加入 set 标签，在中间加入 sense 标签，这段语音的播报就会带有无奈、叹息的语气。 my friend's bakery burned down last night now， his business is toast 第二段语音在文本后方加入 lux 标签，还可以实现发酵的功能。 voice for for print 哈哈哈 multilingual synthesis 一栏，我们可以看到 bark 支持普通话在内的多国语言选择中文试听一下效果。 我计划在下载的游泳比赛中和我的朋友托尼比赛，他认为自己可以打败我。从播音效果可以看出， bark 对英文以外的语言还需要进行强化。 co switching 选项则可以测试多语言的发音效果。 这段文字由英文和西班牙文组成，播放并试听一下效果。 it was as if he had never existed my grandmother used to say illamor escumoinagua not with the sostanervloin to smiles 该功能可以实现多语言播报，且非常自然。如果你想测试 bark， 只需点击视频下方链 接，进入 heading face space， 在 input text 一栏输入需要播报的文字内容，下方 acoustic prompt 一栏选择一个播报员，点击下方 submit 按钮，系统就会生成一段语音。 从今天的测试结果可以看出， bark 的上市意味着文本转语音市场将会迎来大的变局。 由 ai 生成的语音也会更加接近真人发音，并以自然的方式把人类的感情融入到语音中。 此外， bark 的文本转歌曲功能也可以让一段普通的文本转换为动听的歌曲。感兴趣的同学可以点击下方链接试用这个强大的工具。除了 bark， 作为 ai 语音克隆的领军企业， eleven lapse 也在近期 受到了人们的关注。近期， harry potter babylance 腰带系列流行梗视频火遍全网，并受到了马斯克福布斯新闻网等媒体的关注。该系列视频成功的重要原因之一就是使用了人工智能语音公司 eleven laps 的声音克隆功能， 截取哈利波特电影中的一段语音，上传到 eleven laps 进行模拟，输入新的文本内容，就可以输出和电影原声般的效果。此项技术的应用将会对专业的配音演员带来巨大的冲击。 据 business insider 报道， eleven lapse 将以一亿美元的估值筹集一千八百万美元，用于 ai 语音技术的研发。进入 beta eleven lapse io， 就可以体验 eleven laps 的声音克隆技术。点击右上角的三 nap 按钮，使用自己的社交媒体邮箱注册一个账号。免费账号可以体验 verse design 功能，也就是通过调整参数来设计自己喜欢的声音。 付费账号则可以使用 instant verse cloning， 也就是即时语音克隆，通过上传样本模拟任何人的声音。如果你对该工具感兴趣，也可以点击下方链接访问官网，并体验声音克隆功能。 如果你想克隆自己的声音，还可以尝试 my local 工具。 my local 是一个专业的声音克隆工具，目前处于测试期，用户可以免费使用。 my local 使用最先进的技术，让人们用最简单的方法对声音进行 克隆，并用于音乐制作和 ai gc 内容创作。进入 my local 的官方网站，点击右上角塞内按钮，使用 google facebook 账号登录。第一步，克隆自己的声音。 点击第一个选项 record voice， 开启麦克风，按照要求完成二十五段英文语言录制即可。 完成录制后，系统就会记住你的声音特征，并完成声音的克隆。完成声音的录制。点击上方 verse temperate， 就可以使用自己的声音录制音乐了。从 rap 风格中选择一个歌手，点击 think my ai voice， 就可以使用自己的声音录制音乐了。除了 rap 风格，你还可以尝试 tongue twister， 也就是饶舌风格的音乐。点 点击上方 text to verse 选项，还可以使用自己的声音实现文本转语音功能。目前该网站仅支持英文语音，未来将会支持更多的语言。