人工智能应用（一）使用 Spark-TTS 生成语音

Spark-TTS 是一款由多所高校与企业联合开源的文本转语音模型，支持中英文双语的TTS。相比传统AI语音，它更自然、更可控，且支持低配电脑CPU推理。

安装 Spark-TTS

Spark-TTS 支持 Mac、Windows。Mac 的安装教程为 Mac 的安装流程，Windows 的安装流程为 Windows 的安装流程。这里以 windows 的安装流程为例：

安装 Conda

Conda 是一个开源的包管理和环境管理工具，用于安装和管理 Spark-TTS-0.5B 的依赖项。下载地址为 Anaconda Documentation - Anaconda，下载完成后，双击安装程序（.exe 文件），按照安装向导的提示进行操作，在安装过程中务必勾选 "Add Conda to PATH" 选项，这样才能在命令提示符中方便地使用 Conda。安装完成后，打开命令提示符，输入conda --version，若显示版本号，则说明安装成功。

下载 Spark-TTS 项目文件

有两种方式下载 Spark-TTS 项目文件，一种是使用 git 下载。代码示例如下：

bash 复制代码

git clone https://github.com/SparkAudio/Spark-TTS.git

第二种是下载项目的 zip 包，然后解压缩。

创建 Conda 环境

进入 Spark-TTS 项目文件夹，打开命令提示符，运行 conda create -n sparktts -y python=3.12，这将创建一个名为sparktts的 Conda 环境，并安装 Python 3.12 版本。创建完成后，运行conda activate sparktts激活该环境，此时命令提示符的前缀会变为(sparktts)，表示你已成功进入该环境。

安装依赖项

在 Spark-TTS 项目文件夹中，使用命令行运行 pip install -r requirements.txt，该命令会自动安装项目所需的各种依赖项，如 torch、torchvision、torchaudio 等

安装 PyTorch

PyTorch 是由 Facebook 于 2016 年发布的开源深度学习框架，专门用于机器学习和深度学习。Spark-TTS-0.5B 是基于 PyTorch 开发的，所以需要安装 PyTorch。

在 Spark-TTS 项目文件夹中，运行pip install torch torchvision torchaudio --index-url https://pytorch.org/get-started/previous-versions/，PyTorch 会根据你的系统配置自动检测并安装合适的 CUDA 版本（如果你的机器支持 CUDA）。

若安装过程中出现问题，或者你的机器没有 GPU 卡，需要切换为 CPU 模式，可访问 https://pytorch.org/get-started/previous-versions/ ，根据自己机器的实际情况选择合适的安装命令。

下载模型

获取 Spark-TTS-0.5B 模型文件有两种方式。一是使用 Python 代码下载，在 Spark-TTS 项目文件夹中创建一个名为download_model.py的新文件，将以下代码粘贴到其中：

python 复制代码

from huggingface_hub import snapshot_download
import os

# Set download path
model_dir = "pretrained_models/Spark-TTS-0.5B"

# Check if model already exists
if os.path.exists(model_dir) and len(os.listdir(model_dir)) > 0:
    print("Model files already exist. Skipping download.")
else:
    print("Downloading model files...")
    snapshot_download(
        repo_id="SparkAudio/Spark-TTS-0.5B",
        local_dir=model_dir,
        resume_download=True  # Resumes partial downloads
    )
    print("Download complete!")

然后运行 python download_model.py即可开始下载模型文件。

其次是使用 Git 下载（前提是已安装 Git 和 git-lfs），运行 mkdir -p pretrained_models创建模型文件存放目录，再运行git lfs install安装 git-lfs，最后运行git clone https://huggingface.co/SparkAudio/Spark-TTS-0.5B pretrained_models/Spark-TTS-0.5B下载模型文件。

使用

WebUI 使用

运行 python webui.py 会启动本地的TTS服务，启动完成后可以http://localhost:7860/来访问 Web UI，如下图所示：

命令行使用

命令行使用方式：进入example目录，运行bash infer.sh可以进行简单的语音合成演示。也可以直接在命令行中进行推理，使用以下命令：

css 复制代码

python -m cli.inference \
    --text "要合成的文本内容" \
    --device 0 \
    --save_dir "音频保存路径" \
    --model_dir pretrained_models/Spark-TTS-0.5B \
    --prompt_text "参考音频的文本转录内容" \
    --prompt_speech_path "参考音频路径"

其中，--text指定要合成语音的文本内容；--device指定使用的设备，0 表示使用第一块 GPU，若没有 GPU 可改为cpu；--save_dir指定合成音频的保存路径；--model_dir指定模型文件所在目录；--prompt_text和--prompt_speech_path用于零样本语音克隆，分别指定参考音频的文本转录内容和参考音频路径。例如，运行以下命令可以将 "你好，欢迎使用 Spark-TTS-0.5B！" 合成为语音并保存到output目录下：

css 复制代码

python -m cli.inference \
    --text "你好，欢迎使用Spark-TTS-0.5B！" \
    --device 0 \
    --save_dir "output" \
    --model_dir pretrained_models/Spark-TTS-0.5B \
    --prompt_text "" \
    --prompt_speech_path ""