Spark-TTS

简单说，Spark-TTS是一个开源的文本转语音（TTS）工具，你可以直接输入文字，它就能生成语音。支持中文、英文等多种语言，最大的亮点是零样本语音克隆——你给它一小段参考音频，它就能用类似的声音说话，不需要提前训练模型。 2026年最新版本增加了情感控制功能，可以调节语音的情绪倾向，比如开心、悲伤、严肃等；同时支持实时流式输出，适合做直播字幕、语音交互这类场景。开源免费，自己能部署着玩，也能用在项目里。 给一段几秒到几十秒的音频作为参考，它就能模仿这段声音生成新内容。适合需要特定音色但又不想花时间训练模型的场景。很多用户拿它来做个性化语音合成，比如给有声书配不同角色的声音。 支持中文、英文等主流语言，生成效果在开源TTS里算是比较自然的。中文的连贯性和韵律表现可以接受，英文发音也基本过关，但不是那种能达到录音棚级别的效果。 2026版新增的功能，可以通过参数调节语音的情感倾向。具体效果取决于输入的文本和参数配置，总体上能让合成语音听起来不那么“机械”，增加一些表现力。