简介
Bark 是 Suno 开源的生成式文本到音频模型，能够生成多语言的自然语音、音乐和其他音效。项目提供预训练权重、示例 notebook，以及 Hugging Face Spaces / Replicate 的在线演示，适合研究与快速试验。
主要特性
- 完全生成式（text-to-audio），支持非语音音效与音乐生成。
- 提供 100+ 语音预设与多语言支持，自动识别输入语言并调整口音。
- 支持 Hugging Face Transformers 接入、Colab 示例、Docker 与离线推理流程。
使用场景
- 多角色有声内容与短音频片段生成，用于脚本化叙述或创意音频。
- 音频原型设计与研究，如生成音乐片段或环境音。
- 在线演示与快速实验（Hugging Face Space、Replicate），适合快速验证创意。
技术特点
- 基于 GPT 风格的自回归/生成式架构，使用量化的音频表示（EnCodec）进行端到端生成。
- 支持在 CPU/GPU 上运行，并提供小模型选项与内存/速度折衷参数以适配不同硬件。
- MIT 许可，允许商业使用；社区维护并提供大量示例与预设库。