> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-es/audio-y-voz/bark-tts.md).

# Bark TTS

Genera voz y audio realistas con Bark AI en Clore.ai

Genera voz y audio realistas con Bark AI.

{% hint style="success" %}
Todos los ejemplos se pueden ejecutar en servidores GPU alquilados a través de [Marketplace de CLORE.AI](https://clore.ai/marketplace).
{% endhint %}

## Requisitos del servidor

| Parámetro        | Mínimo         | Recomendado    |
| ---------------- | -------------- | -------------- |
| RAM              | 8GB            | 16GB+          |
| VRAM             | 4 GB (pequeño) | 8 GB+ (normal) |
| Red              | 200Mbps        | 500Mbps+       |
| Tiempo de inicio | 3-5 minutos    | -              |

{% hint style="warning" %}
**Tiempo de inicio:** El primer inicio descarga los modelos de Bark (3-5 minutos según la velocidad de la red). Un HTTP 502 durante este tiempo es normal.
{% endhint %}

## Alquilar en CLORE.AI

1. Visita [Marketplace de CLORE.AI](https://clore.ai/marketplace)
2. Filtra por tipo de GPU, VRAM y precio
3. Elige **Bajo demanda** (tarifa fija) o **Spot** (precio ofertado)
4. Configura tu pedido:
   * Selecciona la imagen de Docker
   * Configura los puertos (TCP para SSH, HTTP para interfaces web)
   * Añade variables de entorno si es necesario
   * Introduce el comando de inicio
5. Selecciona el método de pago: **CLORE**, **BTC**, o **USDT/USDC**
6. Crea el pedido y espera al despliegue

### Accede a tu servidor

* Encuentra los detalles de conexión en **Mis pedidos**
* Interfaces web: Usa la URL del puerto HTTP
* SSH: `ssh -p <port> root@<proxy-address>`

## ¿Qué es Bark?

Bark de Suno AI puede generar:

* Voz realista en varios idiomas
* Varias voces de hablantes
* Sonidos no verbales (risa, suspiro)
* Música y efectos de sonido
* Voz multilingüe

## Requisitos

| Calidad | VRAM | Recomendado |
| ------- | ---- | ----------- |
| Pequeño | 4GB  | RTX 3060    |
| Normal  | 8GB  | RTX 3070    |
| Alto    | 12GB | RTX 3090    |

## Despliegue rápido

**Imagen de Docker:**

```
pytorch/pytorch:2.11.0-cuda12.8-cudnn9-runtime
```

**Puertos:**

```
22/tcp
7860/http
```

**Comando:**

```bash
pip install git+https://github.com/suno-ai/bark.git gradio scipy && \
python -c "
import gradio as gr
from bark import SAMPLE_RATE, generate_audio, preload_models
import scipy.io.wavfile as wav
import numpy as np
import tempfile

preload_models()

def generate(text, voice):
    audio = generate_audio(text, history_prompt=voice)
    with tempfile.NamedTemporaryFile(suffix='.wav', delete=False) as f:
        wav.write(f.name, SAMPLE_RATE, (audio * 32767).astype(np.int16))
        return f.name

voices = ['v2/en_speaker_0', 'v2/en_speaker_1', 'v2/en_speaker_2', 'v2/en_speaker_3',
          'v2/en_speaker_4', 'v2/en_speaker_5', 'v2/en_speaker_6', 'v2/en_speaker_7',
          'v2/en_speaker_8', 'v2/en_speaker_9']

demo = gr.Interface(fn=generate, inputs=[gr.Textbox(lines=5), gr.Dropdown(voices)],
                   outputs=gr.Audio(), title='Bark TTS')
demo.launch(server_name='0.0.0.0', server_port=7860)
"
```

## Accediendo a tu servicio

Después del despliegue, encuentra tu `http_pub` URL en **Mis pedidos**:

1. Ve a **Mis pedidos** página
2. Haz clic en tu pedido
3. Encuentra la `http_pub` URL (p. ej., `abc123.clorecloud.net`)

Usa `https://YOUR_HTTP_PUB_URL` en lugar de `localhost` en los ejemplos a continuación.

### Verifica que funciona

```bash
# Comprueba si la interfaz de Gradio es accesible
curl https://your-http-pub.clorecloud.net/
```

{% hint style="warning" %}
Si obtienes HTTP 502, espera 3-5 minutos: el servicio está descargando modelos.
{% endhint %}

## Instalación

```bash
pip install git+https://github.com/suno-ai/bark.git
pip install scipy
```

## Uso básico

```python
from bark import SAMPLE_RATE, generate_audio, preload_models
import scipy.io.wavfile as wav
import numpy as np

# Precarga los modelos (se descargan en la primera ejecución)
preload_models()

# Generar audio
text = "Hola, esto es una prueba de Bark de texto a voz."
audio = generate_audio(text)

# Guardar como WAV
wav.write("output.wav", SAMPLE_RATE, (audio * 32767).astype(np.int16))
```

## Selección de voz

### Voces integradas

```python

# Hablantes en inglés (0-9)
audio = generate_audio("¡Hola!", history_prompt="v2/en_speaker_0")
audio = generate_audio("¡Hola!", history_prompt="v2/en_speaker_3")
audio = generate_audio("¡Hola!", history_prompt="v2/en_speaker_9")

# Otros idiomas
audio = generate_audio("Bonjour!", history_prompt="v2/fr_speaker_0")  # Francés
audio = generate_audio("Hallo!", history_prompt="v2/de_speaker_0")    # Alemán
audio = generate_audio("Hola!", history_prompt="v2/es_speaker_0")     # Español
audio = generate_audio("Ciao!", history_prompt="v2/it_speaker_0")     # Italiano
audio = generate_audio("Olá!", history_prompt="v2/pt_speaker_0")      # Portugués
audio = generate_audio("Привет!", history_prompt="v2/ru_speaker_0")   # Ruso
audio = generate_audio("こんにちは!", history_prompt="v2/ja_speaker_0") # Japonés
audio = generate_audio("你好!", history_prompt="v2/zh_speaker_0")      # Chino
```

### Idiomas disponibles

| Idioma    | Código   | Hablantes |
| --------- | -------- | --------- |
| Inglés    | en       | 0-9       |
| Alemán    | de       | 0-9       |
| Español   | es       | 0-9       |
| Francés   | fr       | 0-9       |
| Hindi     | Italiano | 0-9       |
| Italiano  | it       | 0-9       |
| Japonés   | ja       | 0-9       |
| Coreano   | ko       | 0-9       |
| Polaco    | pl       | 0-9       |
| Portugués | pt       | 0-9       |
| Ruso      | ru       | 0-9       |
| Turco     | tr       | 0-9       |
| Chino     | zh       | 0-9       |

## Sonidos no verbales

Bark puede generar audio no verbal:

```python

# Risa
audio = generate_audio("¡Hola! [ríe] ¡Eso es tan divertido!")

# Suspiro
audio = generate_audio("[suspira] Estoy muy cansado hoy.")

# Jadeo
audio = generate_audio("[jadea] ¡Oh, Dios mío!")

# Aclararse la garganta
audio = generate_audio("[se aclara la garganta] Ejem, atención por favor.")

# Notas musicales
audio = generate_audio("♪ La la la ♪")
```

## Audio de formato largo

Para texto de más de 13 segundos:

```python
from bark import generate_audio
from bark.generation import SAMPLE_RATE
import numpy as np

def generate_long_audio(text, voice="v2/en_speaker_6"):
    # Dividir en oraciones
    sentences = text.replace(".", ".|").replace("?", "?|").replace("!", "!|").split("|")
    sentences = [s.strip() for s in sentences if s.strip()]

    audio_segments = []
    for sentence in sentences:
        audio = generate_audio(sentence, history_prompt=voice)
        audio_segments.append(audio)
        # Añadir una pequeña pausa entre oraciones
        audio_segments.append(np.zeros(int(0.25 * SAMPLE_RATE)))

    return np.concatenate(audio_segments)

long_text = """
Este es un texto más largo que se dividirá en múltiples segmentos.
Cada segmento se generará por separado. Luego se concatenarán.
Esto permite generar audio de cualquier duración.
"""

audio = generate_long_audio(long_text)
```

## Clonación de voz

Crear prompts de voz personalizados:

```python
from bark.generation import preload_models, generate_text_semantic
from bark.api import semantic_to_waveform
from bark import generate_audio, SAMPLE_RATE
import numpy as np

# Generar con características específicas

# El prompt puede incluir la descripción del hablante

# Primero, genera una referencia
voice_prompt = "v2/en_speaker_6"
text = "Así es como sueno cuando hablo normalmente."
audio = generate_audio(text, history_prompt=voice_prompt)

# Guardar como voz personalizada (ejemplo simplificado)
np.savez("custom_voice.npz", audio=audio)
```

## Procesamiento por lotes

```python
import os
from bark import generate_audio, SAMPLE_RATE
import scipy.io.wavfile as wav
import numpy as np

texts = [
    "Bienvenidos a nuestro pódcast.",
    "Hoy hablaremos sobre la inteligencia artificial.",
    "Empecemos con la introducción.",
]

output_dir = "./audio_clips"
os.makedirs(output_dir, exist_ok=True)

voice = "v2/en_speaker_6"

for i, text in enumerate(texts):
    print(f"Generando {i+1}/{len(texts)}")
    audio = generate_audio(text, history_prompt=voice)
    wav.write(
        os.path.join(output_dir, f"clip_{i:03d}.wav"),
        SAMPLE_RATE,
        (audio * 32767).astype(np.int16)
    )
```

## Servidor API

```python
from fastapi import FastAPI
from fastapi.responses import FileResponse
from bark import generate_audio, preload_models, SAMPLE_RATE
import scipy.io.wavfile as wav
import numpy as np
import tempfile
import os

app = FastAPI()
preload_models()

@app.post("/generate")
async def generate_speech(text: str, voice: str = "v2/en_speaker_6"):
    audio = generate_audio(text, history_prompt=voice)

    with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as f:
        wav.write(f.name, SAMPLE_RATE, (audio * 32767).astype(np.int16))
        return FileResponse(f.name, media_type="audio/wav")

# Ejecutar: uvicorn server:app --host 0.0.0.0 --port 8000
```

### Uso

```bash
curl -X POST "http://localhost:8000/generate?text=Hola%20mundo&voice=v2/en_speaker_6" \
    --output speech.wav
```

## Optimización de memoria

### Para VRAM limitada

```python
import os

# Usar un modelo más pequeño
os.environ["SUNO_USE_SMALL_MODELS"] = "1"

# Descargar a la CPU
os.environ["SUNO_OFFLOAD_CPU"] = "1"

from bark import generate_audio
audio = generate_audio("Hola mundo")
```

### Activar FP16

```python
os.environ["SUNO_ENABLE_MPS"] = "0"

from bark import generate_audio
audio = generate_audio("¡Hola!", history_prompt="v2/en_speaker_6")
```

## Combinación con otro audio

```python
from pydub import AudioSegment
import numpy as np
from bark import generate_audio, SAMPLE_RATE
import scipy.io.wavfile as wav
import tempfile

def bark_to_pydub(audio_array):
    with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as f:
        wav.write(f.name, SAMPLE_RATE, (audio_array * 32767).astype(np.int16))
        return AudioSegment.from_wav(f.name)

# Generar voz
speech = generate_audio("¡Bienvenidos al programa!")
speech_audio = bark_to_pydub(speech)

# Cargar música de fondo
music = AudioSegment.from_mp3("background.mp3")

# Mezclar
music = music - 20  # Bajar el volumen de la música
combined = speech_audio.overlay(music)
combined.export("output.mp3", format="mp3")
```

## Rendimiento

| Modo    | GPU      | Tiempo (10 palabras) |
| ------- | -------- | -------------------- |
| Normal  | RTX 3090 | \~5 s                |
| Normal  | RTX 4090 | \~3s                 |
| Pequeño | RTX 3060 | \~8s                 |
| CPU     | -        | \~60s                |

## Comparación con otros TTS

| Función   | Bark  | Coqui     | Piper  |
| --------- | ----- | --------- | ------ |
| Calidad   | Mejor | Excelente | Bueno  |
| Velocidad | Lento | Medio     | Rápido |
| Idiomas   | 13+   | 20+       | 30+    |
| No verbal | Sí    | No        | No     |
| VRAM      | 8GB+  | 4GB       | 1GB    |

## Solución de problemas

### Sin memoria

```python

# Usar modelos pequeños
os.environ["SUNO_USE_SMALL_MODELS"] = "1"
os.environ["SUNO_OFFLOAD_CPU"] = "1"
```

### Generación lenta

* Usar GPU (no CPU)
* Mantener los modelos cargados entre generaciones
* Generar segmentos más cortos

### Problemas de calidad de audio

* Probar diferentes hablantes
* Dividir el texto largo en oraciones
* Evitar caracteres especiales

## Estimación de costos

Tarifas típicas del marketplace de CLORE.AI (a partir de 2024):

| GPU       | Tarifa por hora | Tarifa diaria | Sesión de 4 horas |
| --------- | --------------- | ------------- | ----------------- |
| RTX 3060  | \~$0.03         | \~$0.70       | \~$0.12           |
| RTX 3090  | \~$0.06         | \~$1.50       | \~$0.25           |
| RTX 4090  | \~$0.10         | \~$2.30       | \~$0.40           |
| A100 40GB | \~$0.17         | \~$4.00       | \~$0.70           |
| A100 80GB | \~$0.25         | \~$6.00       | \~$1.00           |

*Los precios varían según el proveedor y la demanda. Consulta* [*Marketplace de CLORE.AI*](https://clore.ai/marketplace) *las tarifas actuales.*

**Ahorra dinero:**

* Usa el **Spot** mercado para trabajo interrumpible — alrededor de un tercio de los servidores fija el precio spot por debajo del precio bajo demanda (mediana de \~13% de descuento), el resto lo iguala
* Paga con **CLORE** tokens
* Compara precios entre distintos proveedores

## Siguientes pasos

* [Clonación de voz RVC](/guides/guides_v2-es/audio-y-voz/rvc-voice-clone.md)
* [Whisper Transcription](/guides/guides_v2-es/audio-y-voz/whisper-transcription.md)
* [Música AudioCraft](/guides/guides_v2-es/audio-y-voz/audiocraft-music.md)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-es/audio-y-voz/bark-tts.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.