可控语音生成

Spark-TTS 是一款基于 Qwen2.5 模型的高效文本转语音（TTS）系统，支持细粒度语音控制和零样本语音克隆。该系统在多个基准测试上超越现有 TTS 方法，结合 Qwen2.5 LLM 进行端到端生成，采用 BiCodec 编码简化架构并提升推理效率。Spark-TTS 支持中英双语，允许用户通过文本描述语音风格，生成全新的虚拟声音，并在零样本情况下克隆语音，生成高质量个性化声音。