Bark：Suno 出品的生成式文本转音频模型｜部署与使用全指南

项目仓库： https://github.com/suno-ai/bark

许可证：MIT（可商用） · 维护方：Suno · 形态：Python 库 · 能力：多语言语音、音乐、背景音、音效、笑声/叹息等非语言声音

1 项目简介

Bark 是 Suno 开源的 Transformer 文本转音频模型：不只是 TTS，而是全生成式音频模型——能生成多语言语音、音乐、背景噪声、简单音效，以及笑声、叹息、哭泣等非语言声音。MIT 许可证，可商用。

1.1 核心信息一览

1.2 适用场景

• 多语言 TTS（支持英语、中文、法语、德语、西班牙语等）。
• 生成带情感/笑声的对话式音频。
• 作为非约束声音克隆的底座（Coqui TTS 已集成）。

1.3 能力边界（官方口径）

• 不是传统 TTS，是全生成式模型，可能偏离提示词。
• 官方声明：研究用途，输出风险自担。
• 支持 <4GB 低显存 GPU。

2 功能特性

• 多语言语音：多语种。
• 音乐与音效：可生成简单音乐、背景音、音效。
• 非语言声音：[laughs]、[sighs]、[crying] 等提示词。
• 声音提示词：[spk] 标签控制说话人。
• 低显存：<4GB GPU 可跑。
• MIT 可商用。

3 官方界面预览

在线 Demo：huggingface.co/spaces/suno/bark。

4 官方跳转链接汇总

5 前置要求与服务器配置

5.1 软件前提

• Python 3.8+。
• PyTorch、scipy。

5.2 硬件建议

6 方式一：pip 安装与 Python 推理

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

from bark import SAMPLE_RATE, generate_audio, preload_models
from scipy.io.wavfile import write as write_wav

preload_models()
text_prompt = """
     Hello, my name is Suno. And, uh — and I like pizza. [laughs] 
     But I also have other interests such as playing tic tac toe.
"""
audio_array = generate_audio(text_prompt)
write_wav("bark_generation.wav", SAMPLE_RATE, audio_array)

7 方式二：Transformers 集成

from transformers import AutoProcessor, BarkModel
processor = AutoProcessor.from_pretrained("suno/bark")
model = BarkModel.from_pretrained("suno/bark")
inputs = processor("Hello, my name is Suno.", voice_preset="v2/en_speaker_6")
audio = model.generate(**inputs)

8 常用提示词

9 常见故障排查

• 输出离谱：Bark 是全生成式模型，可能偏离提示词；传统 TTS 用 XTTS。
• 显存不足：官方支持 <4GB GPU。
• 想声音克隆：用 Coqui TTS 集成 Bark 的非约束克隆。

10 风险与合规说明

• MIT 许可可商用；但输出可能偏离提示词，需审核。
• 不得用 Bark 伪造他人言论或生成误导性内容。

本文基于官方 README 整理，仅供学习与部署参考；以仓库最新说明为准。