Bark 소개 — 텍스트 프롬프트 생성 오디오 모델

Bark 소개

"텍스트를 오디오로" 바꾸는 모델 중에서도 특히 **생성적(generative)**인 방식이 필요할 때가 있어요. Bark는 Suno가 만든 Transformer 기반 텍스트-투-오디오 모델이에요. 높은 현실감의 다중 언어 음성은 물론, 음악·배경 소음·간단한 효과음까지 만들 수 있고, 웃음·한숨·울음 같은 비언어적 의사소통도 생성해요.

출처: https://github.com/suno-ai/bark

핵심 특징

여러 언어를 별도 설정 없이 지원하고 입력 텍스트에서 언어를 자동 판단해요. 코드 스위칭(언어 혼용) 텍스트를 주면 언어별 네이티브 억양을 쓰려고 해요. 현재는 영어 품질이 가장 좋아요.
지원 언어에 걸쳐 100개 이상의 화자 프리셋을 제공해요.
기본 generate_audio는 약 13초 길이의 음성에 잘 맞고, 더 긴 오디오는 long-form 노트북을 참고해요.

설치 주의

pip install bark는 쓰면 안 돼요 — Suno가 관리하지 않는 다른 패키지가 설치돼요. SVG 저장소에서 직접 설치해야 해요.

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

기본 사용 (Python)

from bark import SAMPLE_RATE, generate_audio, preload_models
from scipy.io.wavfile import write as write_wav
from IPython.display import Audio

# 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)

# save audio to disk
write_wav("bark_generation.wav", SAMPLE_RATE, audio_array)

# play text in notebook
Audio(audio_array, rate=SAMPLE_RATE)

하드웨어

풀 버전 Bark는 GPU에 전부 올리려면 약 12GB VRAM이 필요해요. 8GB로 줄이려면 환경 변수 SUNO_USE_SMALL_MODELS=True를 설정하면 돼요.