Bark TTS: análisis (2026) — el modelo con licencia MIT de Suno para risas, suspiros y habla

Qué hace realmente Bark

• Habla multilingüe. Bark admite 13 idiomas, según su README oficial: inglés, alemán, español, francés, hindi, italiano, japonés, coreano, polaco, portugués, ruso, turco y chino simplificado.
• Generación de sonidos no verbales. Bark puede generar `[laughter], [laughs], [sighs], [gasps] y [clears throat] como indicaciones de texto integradas, además de un [music]` simple, documentado directamente en su propio README — esta es la característica que lo distingue de cualquier otro motor TTS local cubierto por PromptQuorum.
• Más de 100 perfiles de voz predefinidos. Bark incluye más de 100 perfiles de voz integrados en sus idiomas compatibles, seleccionables mediante un argumento history_prompt (por ejemplo v2/en_speaker_6) en lugar de un clip de audio de referencia.
• Sin clonación de voz personalizada. La propia documentación de Suno indica claramente que Bark "actualmente no admite la clonación de voz personalizada" — puede igualar el tono, el matiz, la emoción y la prosodia de un perfil dado, pero no puede clonar la voz de una persona arbitraria a partir de una grabación de referencia como sí hace XTTS v2.
• Salida no determinista. El propio README de Bark lo describe como que toma "libertades creativas en sus generaciones, lo que da como resultado salidas de modelo de mayor varianza que los enfoques de texto a voz tradicionales" — ejecutar la misma indicación dos veces puede producir resultados notablemente diferentes.

Ejemplos de uso reales

• Mantén las indicaciones en unos 13-14 segundos de texto hablado. El propio README de Bark explica que esto es un límite de arquitectura, no un error: "Bark es un modelo de estilo GPT, y su arquitectura/ventana de contexto está optimizada para producir generaciones de aproximadamente esta duración." El contenido narrativo más largo debe dividirse en segmentos y luego unirse.
• Espera variación entre ejecuciones. Como la salida es no determinista, genera varias tomas de cualquier frase que necesites que suene de una manera específica y elige la mejor, en lugar de asumir que la primera toma es representativa.

# Instalar Bark — NO uses "pip install bark", que instala un
# paquete sin relación, no gestionado por Suno.
pip install git+https://github.com/suno-ai/bark.git

# API de Python: generación básica
from bark import SAMPLE_RATE, generate_audio, preload_models
from scipy.io.wavfile import write as write_wav

preload_models()

text_prompt = "Hello, my name is Suno. And, uh — and I like pizza. [laughs]"
audio_array = generate_audio(text_prompt)

write_wav("bark_generation.wav", SAMPLE_RATE, audio_array)

# Usar un perfil de voz específico en lugar de una voz aleatoria
audio_array = generate_audio(
    "This is a specific preset voice speaking a new sentence.",
    history_prompt="v2/en_speaker_6",
)

# Reducir el uso de memoria de GPU en tarjetas más pequeñas
import os
os.environ["SUNO_OFFLOAD_CPU"] = "True"
os.environ["SUNO_USE_SMALL_MODELS"] = "True"

Licencia y estado de mantenimiento

Para qué no sirve Bark

• Clonar la voz de una persona específica. La propia documentación de Bark indica que "actualmente no admite la clonación de voz personalizada". Si necesitas clonar una voz real a partir de una grabación de referencia corta, XTTS v2 está diseñado exactamente para eso (aunque bajo una licencia no comercial) — Bark no es un sustituto.
• Sistemas de producción que necesitan soporte continuo garantizado. Sin commits en el repositorio público desde el 5 de abril de 2024 y con el enfoque público de Suno desplazado hacia la generación musical con IA, apostar una dependencia de producción al mantenimiento continuo, los parches de seguridad o las correcciones de errores de Bark es un riesgo real que PromptQuorum no puede descartar.
• Aplicaciones en tiempo real de baja latencia en hardware modesto. El propio README de Bark indica que "en GPU más antiguas, Colab predeterminado, o CPU, el tiempo de inferencia puede ser significativamente más lento" que la velocidad "aproximadamente en tiempo real" que alcanza "en GPU empresariales y PyTorch nightly". Un motor ligero como Piper se adapta mejor al uso en tiempo real solo con CPU o en hardware embebido.
• Salida consistente y repetible. Dado que el propio README de Bark describe sus generaciones como de mayor varianza y no deterministas que un TTS tradicional, encaja mal en cualquier flujo de trabajo (sistemas IVR, herramientas de accesibilidad, divulgaciones reguladas) que necesite exactamente la misma salida cada vez para la misma entrada.
• Narración extensa en una sola pasada. El límite de generación de aproximadamente 13-14 segundos, que Bark atribuye en su propio README a su arquitectura de estilo GPT y ventana de contexto, significa que una narración de longitud de audiolibro o podcast largo requiere dividir manualmente el texto en segmentos y unir los archivos de audio resultantes.

Alternativas a Bark

Preguntas frecuentes

Veredicto

Fuentes

• Bark en GitHub — el README oficial: idiomas, perfiles de voz, etiquetas de sonidos no verbales, licencia e instrucciones de instalación.
• Historial de commits de Bark — el registro público de actividad de mantenimiento, que no muestra commits desde el 5 de abril de 2024 a la fecha de publicación de este análisis.
• Bark en Hugging Face — la ficha del modelo, que refleja la descripción de características y licencia del README de GitHub.
• Análisis de XTTS v2 — el análisis dedicado de PromptQuorum sobre la alternativa de clonación de voz que Bark no proporciona.
• Licencias de TTS local y clonación de voz — comparación completa de licencias entre motores TTS locales.

Lecturas relacionadas

• Análisis de XTTS v2 — el modelo de clonación de voz que Bark no proporciona, bajo una licencia no comercial.
• Análisis de Coqui TTS — un kit mantenido por la comunidad y una alternativa activamente desarrollada a un proyecto inactivo.
• Licencias de TTS local y clonación de voz: Piper, XTTS v2, F5-TTS y Coqui — el análisis a fondo de licencias entre los principales motores TTS locales.
• ElevenLabs vs Piper vs XTTS v2 — la comparación entre la nube y lo local para lectores que deciden si autoalojar.
• Análisis de Piper TTS — la alternativa de TTS local rápida, con licencia permisiva, con mantenimiento activo, y solo CPU.