bark

Bark 是 Suno 开源的文本驱动生成式音频模型，支持将文本直接转换为高质量、多语种语音，并可生成音乐片段、环境音效、情感化非语言声音（如笑声、叹息）等多样化音频内容。基于 Transformer 架构，提供预训练权重，兼容 GPU/CPU 推理，支持商业用途。适用于创意音频生成、无障碍内容制作、游戏音效原型设计及语音研究等需要灵活、多模态音频合成的场景。需注意其生成结果具有不可预测性，属研究型模型而非传统 TTS 系统。