Bark TTS

在 Clore.ai 上使用 Bark AI 生成逼真的语音和音频

使用 Bark AI 生成逼真的语音和音频。

所有示例都可以在通过以下方式租用的 GPU 服务器上运行 CLORE.AI 市场.

服务器要求

参数	最低	推荐
内存	8GB	16GB+
显存	4GB（小）	8GB+（普通）
网络	200Mbps	500Mbps+
启动时间	3-5 分钟	-

启动时间： 首次启动会下载 Bark 模型（取决于网络速度，需 3-5 分钟）。在此期间出现 HTTP 502 属于正常现象。

在 CLORE.AI 上租用

1. 访问 CLORE.AI 市场

2. 按 GPU 类型、VRAM 和价格筛选

3. 选择 按需 （固定费率）或 竞价 （出价）

4. 配置你的订单：

   • 选择 Docker 镜像

   • 设置端口（SSH 用 TCP，Web UI 用 HTTP）

   • 如有需要，添加环境变量

   • 输入启动命令

5. 选择支付方式： CLORE, BTC，或 USDT/USDC

6. 创建订单并等待部署

访问你的服务器

• 在以下位置查找连接信息 我的订单

• Web 界面：使用 HTTP 端口 URL

• SSH： ssh -p <port> root@<proxy-address>

什么是 Bark？

Suno AI 的 Bark 可以生成：

• 多种语言的逼真语音

• 各种说话人声音

• 非语言声音（笑声、叹息）

• 音乐和音效

• 多语言语音

需求

质量	显存	推荐
小	4GB	RTX 3060
普通	8GB	RTX 3070
高	12GB	RTX 3090

快速部署

Docker 镜像：

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

端口：

22/tcp
7860/http

命令：

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 文本转语音')
demo.launch(server_name='0.0.0.0', server_port=7860)
"

访问你的服务

部署后，找到你的 http_pub URL 在 我的订单:

1. 前往 我的订单 页面

2. 点击你的订单

3. 找到 http_pub URL（例如， abc123.clorecloud.net)

使用 https://YOUR_HTTP_PUB_URL 替代 localhost 在下面的示例中。

验证是否正常工作

# 检查 Gradio 界面是否可访问
curl https://your-http-pub.clorecloud.net/

如果出现 HTTP 502，请等待 3-5 分钟——服务正在下载模型。

安装

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

基础用法

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

# 预加载模型（首次运行时会下载）
preload_models()

# 生成音频
text = "你好，这是对 Bark 文本转语音的测试。"
audio = generate_audio(text)

# 保存为 WAV
wav.write("output.wav", SAMPLE_RATE, (audio * 32767).astype(np.int16))

声音选择

内置声音

# 英语说话人（0-9）
audio = generate_audio("你好！", history_prompt="v2/en_speaker_0")
audio = generate_audio("你好！", history_prompt="v2/en_speaker_3")
audio = generate_audio("你好！", history_prompt="v2/en_speaker_9")

# 其他语言
audio = generate_audio("Bonjour!", history_prompt="v2/fr_speaker_0")  # 法语
audio = generate_audio("Hallo!", history_prompt="v2/de_speaker_0")    # 德语
audio = generate_audio("Hola!", history_prompt="v2/es_speaker_0")     # 西班牙语
audio = generate_audio("Ciao!", history_prompt="v2/it_speaker_0")     # 意大利语
audio = generate_audio("Olá!", history_prompt="v2/pt_speaker_0")      # 葡萄牙语
audio = generate_audio("Привет!", history_prompt="v2/ru_speaker_0")   # 俄语
audio = generate_audio("こんにちは!", history_prompt="v2/ja_speaker_0") # 日语
audio = generate_audio("你好!", history_prompt="v2/zh_speaker_0")      # 中文

可用语言

语言	代码	说话人
英语	en	0-9
德语	de	0-9
西班牙语	es	0-9
法语	fr	0-9
印地语	hi	0-9
意大利语	it	0-9
日语	ja	0-9
韩语	ko	0-9
波兰语	pl	0-9
葡萄牙语	pt	0-9
俄语	ru	0-9
土耳其语	tr	0-9
中文	zh	0-9

非语言声音

Bark 可以生成非语言音频：

# 笑声
audio = generate_audio("你好！[laughs] 这太好笑了！")

# 叹息
audio = generate_audio("[sighs] 我今天太累了。")

# 倒吸一口气
audio = generate_audio("[gasps] 我的天啊！")

# 清嗓子
audio = generate_audio("[clears throat] 咳咳，请注意。")

# 音符
audio = generate_audio("♪ La la la ♪")

长篇音频

对于超过 13 秒的文本：

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")】【：】【“】【t_3ae97a4e】【：】【“】【# 按句子拆分
    # 按句子拆分
    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)
        # 句子之间添加短暂停顿
        audio_segments.append(np.zeros(int(0.25 * SAMPLE_RATE)))

    return np.concatenate(audio_segments)

long_text = """
这是一段较长的文本，会被拆分成多个片段。
每个片段将分别生成，然后再连接起来。
这样就可以生成任意长度的音频。
"""

audio = generate_long_audio(long_text)

声音克隆

创建自定义声音提示：

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

# 使用特定特征生成

# 提示词可以包含说话人描述

# 首先生成一个参考
voice_prompt = "v2/en_speaker_6"
text = "这就是我正常说话时的声音。"
audio = generate_audio(text, history_prompt=voice_prompt)

# 保存为自定义声音（简化示例）
np.savez("custom_voice.npz", audio=audio)

批量处理

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

texts = [
    "欢迎来到我们的播客。",
    "今天我们将讨论人工智能。",
    "让我们从介绍开始。",
]

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

voice = "v2/en_speaker_6"

for i, text in enumerate(texts):
    print(f"正在生成 {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)
    )

API 服务器

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")

# 运行：uvicorn server:app --host 0.0.0.0 --port 8000

用法

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

内存优化

适用于有限 VRAM

import os

# 使用更小的模型
os.environ["SUNO_USE_SMALL_MODELS"] = "1"

# 卸载到 CPU
os.environ["SUNO_OFFLOAD_CPU"] = "1"

from bark import generate_audio
audio = generate_audio("你好，世界")

启用 FP16

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

from bark import generate_audio
audio = generate_audio("你好！", history_prompt="v2/en_speaker_6")

与其他音频混合

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)

# 生成语音
speech = generate_audio("欢迎来到节目！")
speech_audio = bark_to_pydub(speech)

# 加载背景音乐
music = AudioSegment.from_mp3("background.mp3")

# 混合在一起
music = music - 20  # 降低音乐音量
combined = speech_audio.overlay(music)
combined.export("output.mp3", format="mp3")

性能

模式	GPU	时间（10 个词）
普通	RTX 3090	约 5 秒
普通	RTX 4090	~3s
小	RTX 3060	~8s
CPU	-	~60秒

与其他 TTS 的对比

功能	Bark	Coqui	Piper
质量	最佳	很高	好
速度	慢	中等	快
语言	13+	20+	30+
非语言	是	否	否
显存	8GB+	4GB	1GB

故障排查

内存不足

# 使用小模型
os.environ["SUNO_USE_SMALL_MODELS"] = "1"
os.environ["SUNO_OFFLOAD_CPU"] = "1"

生成缓慢

• 使用 GPU（而非 CPU）

• 在各次生成之间保持模型加载

• 生成更短的片段

音频质量问题

• 尝试不同的说话人

• 将长文本拆分为句子

• 避免特殊字符

成本估算

CLORE.AI 市场常见费率（截至 2024 年）：

GPU	小时费率	日费率	4 小时会话
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

价格因提供商和需求而异。请查看 CLORE.AI 市场 以获取当前费率。

节省费用：

• 使用 竞价 可中断工作市场——约三分之一的服务器将现货价格定得低于按需价格（中位数约优惠 13%），其余则与按需价格持平

• 使用 CLORE 代币支付

• 比较不同提供商的价格

下一步

• RVC 语音克隆

• Whisper Transcription

• AudioCraft 音乐