Spark-TTS는 SparkAudio에서 개발한 LLM 기반의 효율적인 텍스트-음성 변환 시스템입니다. Qwen2.5 대규모 언어 모델을 기반으로 구축되어, Flow Matching 같은 별도의 음향 생성 모델 없이 LLM이 직접 오디오를 재구성하는 혁신적인 아키텍처를 채택했습니다. 단일 스트림 분리 음성 토큰(Single-Stream Decoupled Speech Tokens) 방식을 사용하여 의미 정보와 음향 정보를 효과적으로 분리합니다. 제로샷 음성 복제, 교차 언어 코드 스위칭, 성별/피치/속도 제어 등 다양한 기능을 지원하며, 중국어와 영어 이중 언어를 지원합니다. Nvidia Triton 추론 서빙을 통한 프로덕션 배포도 가능하여 실용적인 TTS 솔루션으로 주목받고 있습니다.