Bark - TransformerベースのText-To-Audioモデル

• 非常にリアルな多言語音声生成が可能
• 音楽、背景ノイズ、および簡単な効果音を含められる
• 笑い、ため息、泣き声のような非言語コミュニケーションも表現可能
• 英語/日本語およびドイツ語/フランス語/日本語/中国語などをサポート
• FacebookのEnCodecコーデックを使用
• BarkはCC-BY 4.0 NCライセンスであり、Sunoモデル自体は商用利用が可能

[dlehals2]

Bark の生成結果が、私のプロンプトと違うことがあります。何が起きているのでしょうか?
Bark は GPT スタイルのモデルです。そのため、生成時にある程度の創造的な裁量を働かせることがあり、従来のテキスト読み上げ方式よりも出力のばらつきが大きくなる場合があります。

この部分はちょっと怖いですね… たまにプロンプトと違う生成になる理由が、モデルの創造的自由? のためだとは…

[kuroneko]

韓国語の生成がかなりうまいのが不思議ですね。