最强文本转语音工具：Bark，本地安装＋云端部署＋在线体验详细教程

AI文本转语音工具可以说真是太多了，其中我感觉用的最好的是微软的文本转语音，并且市面上大部分的文本转语音工具都是调用的微软的接口，像一些影视解说或是其它非真人出镜的解说视频，声音你一听就听过的那些很熟悉的声音都是微软的，但是现在有了一个更牛的文本转语音工具，那就是Bark。Bark 是由Suno创建的基于转换器的文本到音频模型。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。bark是支持多语言的，但是目前做的最好的还是英语，其它语言还在优化改善中。这是一个开源项目，你可以在github中查看项目具体信息，地址：https://github.com/suno-ai/bark

今天讲一下3种体验Bark文本转语音的方法

1、本地电脑安装

2、google colab云端部署

3、hugging face及replicate在线体验

1、本地安装

这个工具没有软件客户端，如果想使用的话需要自己配置环境，首先安装Python环境，打开Python网站下载页面：https://www.python.org/downloads/windows/ 下载稳定版3.10.11，如果是其它操作系统请对应选择。

下载到电脑上之后双击运行安装，注意在安装时一定要勾选add python.exe to path，如果不会自定义安装全都默认即可

然后按键盘win+R键打开运行，输入cmd，点击确定，打开命令提示符界面。复制下面命令，然后鼠标右键单击命令提示符界面自动粘贴代码，然后回车运行,安装bark程序

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

安装需要下载很多文件，时间长短取决于你的网速，等到出现下面的提示界面就表示bark安装完成了。

vs code下载完成并打开它，点击左上角【文件】-【新建文本文件】，然后复制输入如下命令，然后保存为bark.py

from bark import SAMPLE_RATE, generate_audio, preload_modelsfrom scipy.io.wavfile import write as write_wavfrom IPython.display import Audio# download and load all modelspreload_models()# generate audio from texttext_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)# save audio to diskwrite_wav("bark_generation.wav", SAMPLE_RATE, audio_array)# play text in notebookAudio(audio_array, rate=SAMPLE_RATE)

系统提示有错误，有个包没有导入，在cmd窗口中输入如下命令，回车安装ipython就可以了。

pip install -U IPython

text_prompt内容就是需要转换成音频的文本，音频生成完成后会保存在bark.py这个文件的相同文件夹内，如需生成其它文本，直接修改text_prompt 内容，如果需要更换发音人如v2/zh_speaker_7，可以在generate_audio里设置，如下面代码所示：

# generate audio from texttext_prompt = """

你知道今天星期几吗？

"""audio_array = generate_audio(text_prompt, history_prompt="v2/zh_speaker_7")# save audio to diskwrite_wav("bark_generation2.wav", SAMPLE_RATE, audio_array)# play text in notebookAudio(audio_array, rate=SAMPLE_RATE)

在提示词前后加上音乐符号，音频将以歌唱的形式生成。还可以生成音效和非语音声音，如下显示

[laughter]

[laughs]

[sighs]

[music]

[gasps]

[clears throat]

— or … for hesitations

for song lyrics

CAPITALIZATION for emphasis of a word

[MAN] and [WOMAN] to bias Bark toward male and female speakers, respectively

这个用的是CPU，没有使用显存。

2、google colab云端部署

首先打开谷歌Colaboratory，网站地址：https://colab.research.google.com/，如果没登录的话，点击页面右上角登录按钮登录google账号，然后点击页面左上角【文件】-【新建笔记本】

链接到谷歌云盘后创建的文件会自动保存到云盘，关闭colab也不会丢失了。然后在colab内右侧输入bark安装命令，然后点击左侧的三角号运行命令。

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

这个过程42秒，安装完成后左侧三角号不再转圈了，下面显示successfully installed…..这个就代表安装成功了。

from bark import SAMPLE_RATE, generate_audio, preload_modelsfrom scipy.io.wavfile import write as write_wavfrom IPython.display import Audio# download and load all modelspreload_models()# generate audio from texttext_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)# save audio to diskwrite_wav("/content/drive/MyDrive/Colab Notebooks/bark_generation.wav", SAMPLE_RATE, audio_array)# play text in notebookAudio(audio_array, rate=SAMPLE_RATE)

然后运行代码，系统就会开始将：Hello, my name is Suno. And, uh — and I like pizza. [laughs]But I also have other interests such as playing tic tac toe.这段文本转成语音，这个过程耗时时间会长一点，

语音生成完成后可以直接点击播放按钮播放音频，点击三个点可以将音频下载到本地。

路径设置为谷歌云盘路径/content/drive/MyDrive/Colab Notebooks，生成的文件会自动保存到云盘，

再次运行命令生成语音的话只输入下面这部分指令即可：

# generate audio from texttext_prompt = """

这里输入待转换成语音的文本内容。

"""audio_array = generate_audio(text_prompt,history_prompt="v2/zh_speaker_7")# save audio to diskwrite_wav("bark_generation.wav", SAMPLE_RATE, audio_array)# play text in notebookAudio(audio_array, rate=SAMPLE_RATE)

3、hugging face及replicate在线体验

https://huggingface.co/spaces/suno/bark

replicate在线体验链接：https://replicate.com/suno-ai/bark

这个网站需要先登录才能使用，用github账号登录，设置完成后点击下方的【submit】按钮即可生成，感觉这个网站生成速度比较快，但是是收费的。

如果电脑配置比较高的话可以在自己电脑上操作，其次的话荐用Google colab部署，速度适中，也无需付费。以上演示为15秒短音频生成教程。下期会做一期长音频生成教程。

bark上手略微有些难度，不像其它文本转语音那么简单，但是bark生成语音的功能确实很强大，目前英语发音比较好，其它语言发音会带一些口音，比如就像老外说中文那样的发音，不过程序也在逐步完善过程中，期待以后会更强大。