Bark - modelo Text-To-Audio basado en transformadores

• Permite generar voz multilingüe muy realista
• Incluye música, ruido de fondo y efectos de sonido simples
• También puede producir comunicación no verbal como risas, suspiros y llanto
• Soporta inglés/coreano, así como alemán/francés/japonés/chino, entre otros
• Usa el códec EnCodec de Facebook
• Bark tiene licencia CC-BY 4.0 NC, y el modelo de Suno en sí puede usarse con fines comerciales

[dlehals2]

Las generaciones de Bark a veces difieren de mis prompts. ¿Qué está pasando?
Bark es un modelo estilo GPT. Como tal, puede tomarse ciertas libertades creativas en sus generaciones, lo que da como resultado salidas del modelo con mayor variabilidad que los enfoques tradicionales de texto a voz.

Esta parte sí da miedo jaja. O sea, que a veces genere algo distinto al prompt es por la "libertad creativa" del modelo...

[kuroneko]

Es sorprendente que genere coreano bastante bien.