Suno 开源的 Transformer 架构语音与声效生成模型,拟真环境音效、叹息与人声表现力出众。
Suno 官方在 GitHub 完全开源 Bark 预训练权重与源码,遵循 MIT 开源协议,个人与商用均无限制
Bark 是由现象级 AI 音乐巨头 Suno 团队早期自研并全面开源的基于 Transformer 架构的音频生成大模型。与传统的音素对齐 TTS 模型完全不同,Bark 将文本直接映射为离散声学代码(EnCodec Tokens),不仅能够生成高拟真的多语言语音,更能够生成叹气([sighs])、清嗓子([clears throat])、轻笑、低语、甚至是背景环境音与简单哼唱配乐。Bark 拥有庞大的预设说话人库(Speaker Prompts),支持英语、普通话、日语、法语等多种语言,被全球开源社区广泛视为探索非凡拟真多模态声音表现力的经典开源基石。