【Spark-TTS】从此你的声音是我的了

写在前面：本博客仅作记录学习之用，部分图片来自网络，如需引用请注明出处，同时如有侵犯您的权益，请联系删除！

---

---

前言

声音克隆，即通过人工智能深度模拟特定个体的音色、语调与情感表达，实现高度逼真的语音再造。其诞生源于人类对语音合成技术的极致追求：从20世纪80年代的拼接合成法，到深度学习时代基于端到端神经网络（如WaveNet、Tacotron）的突破，技术已能捕捉微至声纹震颤的声学特征。这项前沿技术正颠覆传统应用场景——从影视配音的“数字替身”到虚拟主播的情感交互，从个性化导航语音到医疗领域的失声患者复声，其商业价值与社会意义并蓄。

---

Spark-TTS

论文名： Spark-TTS: An Efficient LLM-Based Text-to-Speech Model with Single-Stream Decoupled Speech Tokens

论文速递： 点我转跳哦

代码通道： GitHub

---

安装

• 克隆代码，也可参考PyCharm环境下Git与Gitee联动：本地与远程仓库操作实战及常见问题解决方案

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

• 如需创建新环境

conda create -n sparktts -y python=3.12
conda activate sparktts

• 安装依赖

pip install -r requirements.txt
# If you are in mainland China, you can set the mirror as follows:
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com

运行

• 下载模型

创建一个python文件。内容如下：

from huggingface_hub import snapshot_download

snapshot_download("SparkAudio/Spark-TTS-0.5B", local_dir="pretrained_models/Spark-TTS-0.5B")

运行该文件即可，如遇huggingface_hub.errors错误，可参考后文的解决办法。

或者使用Git克隆。如下：

mkdir -p pretrained_models

# Make sure you have git-lfs installed (https://git-lfs.com)
git lfs install

git clone https://huggingface.co/SparkAudio/Spark-TTS-0.5B pretrained_models/Spark-TTS-0.5B

• 克隆声音

直接在可视化界面中展示：

python webui.py --device 0

上传或者录制一段声音，进行声音克隆，支持中文。

---

错误及解决方法

huggingface_hub.errors

报错信息

huggingface_hub.errors.LocalEntryNotFoundError: An error happened while trying to locate the file on the Hub and we cannot find the requested files in the local cache.

解决办法：
在yourpath\envs\sparktts\Lib\site-packages\huggingface_hub\__init__.py添加os.environ["HF_ENDPOINT"] = "https://hf-mirror.com";修改后内容如下：

import importlib
import os
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com" ## 这是添加的
import sys
from typing import TYPE_CHECKING

localhost is not accessible

报错信息：

When localhost is not accessible, a shareable link must be created. Please set share=True or check your proxy settings to allow access to localhost.

解决办法：
关闭代理（梯子）并在webui.py=>demo.launch添加share=True,如下：

    # Launch Gradio with the specified server name and port
    demo.launch(
        share=True,
        server_name=args.server_name,
        server_port=args.server_port
    )

http://0.0.0.0:7860无法转跳

报错信息：

http://0.0.0.0:7860无法访问

回环地址无法成功识别，默认0.0.0.0，local host一般是127.0.0.1，指定端口即可。
如下：

    parser.add_argument(
        "--server_name",
        type=str,
        default="127.0.0.1",
        help="Server host/IP for Gradio app."
    )

---

总结

总结： 本文主要讲解了从克隆Spark-TTS库到进行声音克隆的过程，包括安装依赖、下载权重、UI界面及问题解决等。

---

互动

• 你觉得声音克隆的伦理方面争议严重吗？

欢迎在评论区解答上述问题，分享你的经验和疑问！

当然，也欢迎一键三连给我鼓励和支持：👍点赞 📁 关注 💬评论。

---

致谢

欲尽善本文，因所视短浅，怎奈所书皆是瞽言蒭议。行文至此，诚向予助与余者致以谢意。

---

参考

[1] 【已解决 huggingface_hub.errors.LocalEntryNotFoundError:】
[2] 报错解决：“ ValueError: When localhost is not accessible, a shareable link must be created. Please set

---

往期回顾

👆 DeepSeek本地化部署保姆级教程👆

👆 EfficientTrain++帮你降低网络训练的成本👆

👆 PyCharm环境下Git与Gitee联动👆

👆 Ping通但SSH连接失败的解决办法👆

👆 轻量化设计如何提高模型的推理速度👆

👆 正则化与正则剪枝👆