Whisper
OpenAI 开源语音识别模型，支持多语言
推荐 GPU：RTX 3060 或更高
查看模板About this template
模板概览
Bark 是 Suno AI 开源的文本到音频生成模型，能够生成高质量的语音、音乐和音效。它支持多语言、非语言发音（笑声、叹息）、甚至背景音乐，为音频内容创作提供了强大工具。
文本到语音生成
支持非语言音效（笑声、叹息等）
多语言和口音支持
可生成背景音乐
支持自定义语音克隆
流式生成
Model parameters
模型参数
以下是该模板推荐的默认配置，可以根据实例规格和应用场景继续调整。
输入模式
文本生音频
PRESET 01
默认时长
10 秒以内
PRESET 02
采样率
24 kHz
PRESET 03
语言
多语言
PRESET 04
说话人
内置音色
PRESET 05
流式生成
支持
PRESET 06
Supported functionality
能力支持
不同类型的模型拥有各自专用的输入输出方式，部署后可通过统一的服务地址进行访问。
输入能力
文本
输出能力
音频WAV
部署包含：GPU 加速流式响应健康检查日志监控
API usage
快速开始
部署完成后，可使用默认端口调用 Bark 服务。
快速开始
curlcurl -X POST http://localhost:8000/generate \
-H "Content-Type: application/json" \
-d '{"text":"Hello from GPU Cloud","voice":"en_0"}'部署完成后的本地服务地址
http://localhost:8000Runtime configuration
运行配置
镜像中的软件版本、端口和硬件建议会随模板一起提供，减少首次部署的准备工作。
软件版本
bark1.0.0
python3.10
资源与网络
推荐 GPU
RTX 4070 或更高
服务端口
8000
部署类型
GPU 云实例
More templates
更多同类模板
ChatTTS
专为对话场景设计的文本转语音模型
推荐 GPU：RTX 3060 或更高
查看模板