Skip to main content

Utilizando o Bark

Autoestudo

Repositório do Bark

1. Instalando o bark​

pip install git+https://github.com/suno-ai/bark.git

2. Exemplo simples utilizando o bark​

from bark import SAMPLE_RATE, generate_audio, preload_models
from scipy.io.wavfile import write as write_wav
import simpleaudio as sa

# download and load all models
preload_models()

# generate audio from text
text_prompt = """
     Hello, my name is Suno. And, uh — and I like pizza. [laughs] 
     But I also have other interests such as playing tic tac toe.
"""
audio_array = generate_audio(text_prompt)

# Convert the audio array to int16 format (required by simpleaudio)
audio_array_int16 = (audio_array * 32767).astype("int16")

# Play audio directly
play_obj = sa.play_buffer(audio_array_int16, 1, 2, SAMPLE_RATE)
play_obj.wait_done()  # Wait until audio finishes playing

3. Utilizando o ljspeech​

O bark é um modelo consideravelmente pesado, fazendo com que seja bem difícil utilizá-lo sem GPU. Utilizar modelos de sintetização de fala mais simples pode ser uma solução aceitável.

Autoestudo

Huggingface ljspeech

3.1. Instalando o ljspeech​

Para conseguir rodar o ljspeech com o exemplo do site acima, é necessário instalar os seguintes pacotes:

pip install txtai[pipeline-audio] soundfile

3.2. Exemplo simples​

import soundfile as sf
import simpleaudio as sa

from txtai.pipeline import TextToSpeech

# Build pipeline
tts = TextToSpeech("NeuML/ljspeech-jets-onnx")

# Generate speech
speech = tts("Say something here")

# Write to file
sf.write("out.wav", speech, 22050)

# Read the file
wave_obj = sa.WaveObject.from_wave_file("out.wav")

# Play audio
play_obj = wave_obj.play()
play_obj.wait_done()  # Wait until audio finishes playing

4. Utilizando a api da OpenAI​

Autoestudo

OpenAI Text-to-speech

Novamente, uma opção válida é utilizar a API paga da OpenAI para ter à disposição modelos mais avançados de Text-to-speech sem precisar rodá-los localmente. Segue um exemplo em Python:

from pathlib import Path
from openai import OpenAI
client = OpenAI()

speech_file_path = Path(__file__).parent / "speech.mp3"
response = client.audio.speech.create(
  model="tts-1",
  voice="alloy",
  input="Today is a wonderful day to build something people love!"
)

response.stream_to_file(speech_file_path)