AI 生成文章、程式和圖片之後，下一個生成式 AI 的對象就回到文字轉語音（TTS）了。雖然坊間已經有不少合成語音軟件和服務，不過不是很機械化（例如這個網頁），就是需要收費。最近一個名為《🐶 Bark 》的人工智能模型推出，不單有具個性的語調，甚至可以叫 AI 唱歌（當然不要期望太高 😁）。以下會教大家在自己的電腦安裝 Bark，還會介紹突破 15 秒限制和提升音色的方法。
🐶 Bark 是由 Suno 團隊開發，基於 GPT 類模型（基於轉換器的生成式預訓練模型）來產生語音，與其他「照稿讀」的語音生成不同的是它含有創意成分，能夠生成像真人語氣、混合多語言朗讀，還包括音樂、背景雜音、和簡單的音響效果，亦可以在語音中夾雜笑聲、嘆氣和哭泣等表達。
Bark 在混合多國語言方面特別出色，現時支援 13 種語言，包括英語、德語、西班牙語、法語、印地語、意大利語、日語、韓語、波蘭語、葡萄牙語、俄語、土耳其語和普通話，將來還會支援阿拉伯語、孟加拉語和泰盧固語。可惜的是 Bark 未支援廣東話。
本來 Bark 也有拷貝語音功能，不過由於擔心 AI 被用作詐騙，所以 Suno 方面限制了只可以用官方提供的低音質語音。
想試試 Bark 的語音生成效果，最直接可以到 Hugging Face Spaces 或 Google CoLab 試用。不過生成得最快最穩定，最好就是在自己的電腦上安裝 Bark，只要有一張有 4GB VRAM 的 NVIDIA 顯示卡就能順暢運作。
入門篇：一鍵安裝 WebUI
要在自己的電腦安裝《Bark》，最簡單的做法是安裝 Fictiverse 的《Bark Web UI》 ，進入 Bark Web UI 的 Github Release 頁面後點擊最新版本的「► Assets」打開可供下載的檔案，下載當中的「Bark_WebUI.7z」檔。
《Bark Web UI》一鍵安裝程式下載頁面：按此
- 在電腦開設一個新的文件夾把「Bark_WebUI.7z」放進去，以 7-Zip 解壓檔案後進入解壓出來的「Bark_WebUI」文件夾，執行當中的
run.bat即會開始安裝。
- 安裝完成 Miniconda 虛擬執行環境之後，就會問大家有沒有 NVIDIA 顯示卡，有就回答
y，然後就會安裝負責人工智能運算的 Pytorch 和相關套件。
- 完成之後，只要再次執行
run.bat，在命令列視窗中按著Ctrl來點擊內網網址https://127.0.0.1:7860，就可以開故 Bark Web UI。
使用方法
要生成語音，只要在prompt裡輸入對白，按 Launch 掣即會開始生成語音檔。首次執行會多花一點時間載入模型。完成後即會在 Result 區域見到音頻播放器。
由於每次生成時，語音內容都會以 audio.wav 為檔名儲存在 Bark_WebUI 文件夾裡，所以如果想保存語音檔的話，就記緊要先按播放器右方的「⋮」下載。
Bark 提供了 13 國語言每語言 10 名虛擬講者，連同預設講者 announcer 共 131 人。雖然他們有各自地區的口音，但全都懂多個語言，輸入英文會說英文，輸入日文就會說日文，混合也沒問題。
唯一要注意的是中文，Bark 支援的中文是指簡體中文，輸入簡體中文朗讀準確度會提升不少。另外輸入中、日、韓對白時也要注意自行在句子間加入空格，以免程式不懂分割句子。
至於語氣和唱歌，只要在提示對白的適當地方插入以下 Metatag 即可，包括：
[laughter]：大笑[laughs]：笑[sighs]：嘆氣[music]：音樂[gasps]：喘氣[clears throat]：清嗓子-或…：猶疑- 以
♪前後夾住歌詞就會唱出（要與歌詞留一個空格） - 全大階字：強調語氣
MAN/WOMAN：在同一提示句中以兩種聲線對答
進階篇：Bark Infinity 突破限制
Bark Web UI 雖然方便，但就限制最長只可生成 15 秒語音，並且無法控制儲存檔名稱、使用較少 VRAM 和控制生成溫度。幸好另一位開發者 JonathanFly 就開發了一個 Bark 的封裝《🚀 Bark Infinity》，雖然它要以文字列輸入，但不單突破了以上限制，還提供 39 位不同目的的額外講者給大家使用。
事前準備
安裝 Bark Infinity 之前要預先安裝 3 個程式：git、Python 3.10.x 與及 CUDA Toolkit 11.7 或以上。請先參閱 Stable Diffusion 教學 以了解它們的安裝過程。
安裝步驟
- 建立一個文件夾（本例命名為「Bark_Infinity」）；
- 進入「Bark_Infinity」文件夾，在路徑列輸入
cmd打開新的命令列視窗；
- 輸入
git clone https://github.com/JonathanFly/bark.git待完成下載；
- 輸入
cd bark進入下載來的文件夾；
- 輸入
pip install .安裝必要模組；
- 輸入
pip install soundfile安裝語音檔案。
使用方法
Bark Infinity 的基本語法就是這樣：
python bark_perform.py --text_prompt "對白" --split_by_words 5 --filename "輸出檔名.wav"大家只要在「對白」中輸入自己的內容後執行，即可生成最基本的語音。而「對白」後面的參數，就可以進一行微調（完整參數表請參考這裡）：
--list_speakers：列出所有可用講者／歌手的代碼。--history_prompt "講者代碼"：選用指定講者／歌手。--text_temp 0.7：對白的生成溫度，數值是 0-1 之間的小數，溫度愈高人工智能的「創意」愈大，可能會有意外驚喜（或驚嚇）。預設值是 0.7。--waveform_temp 0.7：波型生成熱度，數值意義與對白溫度相同。--filename "檔名.wav"：儲存語音結果的檔案名稱，預設儲存在Bark_Infinity\bark\bark_samples\文件夾裡。output_dir "文件夾路徑"：選用其他文件夾來儲存語音結果。--split_by_words 5：為了突破 15 秒限制將對白按指定詞語數分隔成小片段。要注意由於系統是以英語為主，天生以空白分隔詞語，設為 35 較好用；使用中日韓文對白時就要自行在句子之間加空格分割，設定為 5 較合適。--use_smaller_models：使用少點 VRAM，適合較低階顯示卡。
我們就用 Bark Infinity 生成了一些例子：
25 秒普通話朗讀：《PCM：自建 Stable Diffusion WebUI 圖像生成平台》引言
python bark_perform.py --text_prompt "图像生成是近月 AIGC 其中一个热门课题， 很多人都会利用 Discord 或者网上提供的服务， 不过要不是要轮候， 就是要付费， 有时候更会有内容限制， 玩起来不够爽。其实只要您有一部游戏电脑， 要在家中自建图像生成平台不是什么难事！" --split_by_words 5 --history_prompt "zh_speaker_0" --filename "zh_test_20230430_0417.wav"42 秒日語朗讀：【我推的孩子】劇情簡介
python bark_perform.py --text_prompt "田舎の産婦人科医・ゴローは、 自分に懐いていた患者で、 12歳の若さで亡くなった少女さりなの影響により アイドルオタクになっていた。 そんな彼の元に、 活動休止中の彼の推しアイドル・ 星野アイが双子を妊娠した状態で現れる。 子供を産むこともアイドル活動も諦めないというアイに 改めて魅力を感じ、 全力で応援することにしたゴローは、 彼女の主治医としてつきそう。 だがアイの出産日、 ゴローはアイのストーカーのリョースケによって 殺されてしまう。" --split_by_words 5 --history_prompt "ja_speaker_0" --text_temp 0.3 --filename "ja_test_20230430_0452.wav"英國音朗讀中英混雜內容：《亂世佳人》對白
python bark_perform.py --text_prompt "土地是 the only thing in the world worth WORKING for, worth FIGHTING for, worth DYING for. 因为它是唯一永恒的东西" --history_prompt "en_british" --filename "en_test_20230430_2126.wav"K-Pop AI 歌手演譯 YOASOBI《偶像》第一節
python bark_perform.py --text_prompt "♪ 無敵の笑顔で荒らすメディア、 知りたいその秘密ミステリアス、 抜けてるとこさえ彼女のエリア、 完璧で嘘つきな君は、 天才的なアイドル様 ♪" --split_by_words 3 --history_prompt "kpop_acoustic" --text_temp 1 --waveform_temp 1 --filename "ja_song_test_20230430_1818.wav" 貼士：提升音色搵 Adobe Podcast
Bark 生成的語音音色較差，也會有一些雜訊，想提升音色，就可以用到 Adobe Podcast Beta 版提供的免費功能「Speech Enhancement」。
Adobe Podcast Speech Enhancement 網址：按此
大家只要註冊一個 Adobe ID 登入，然後將生成的語音檔案拖放到網頁的拖放區，不一會就會生成一個增強音色的版本，也可以即時在網頁中試聽比較。
筆者就以上面 K-Pop 歌手的例子以 Adobe Podcast Speech Enhancement 強化，大家可以聽聽效果是否滿意。
