Dia AI

Dia 是一個由Nari Labs 開發的文本到語音（TTS）模型，具有1.6 億參數，能夠直接從文本生成高度逼真的對話。該模型支持情感和語調控制，並能夠生成非言語交流，如笑聲和咳嗽。它的預訓練模型權重託管在Hugging Face 上，適用於英語生成。此產品對於研究和教育用途至關重要，能夠推動對話生成技術的發展。

需求人群：

"該產品適合研究人員、開發者和教育工作者，因為它提供了一個強大的平台來探索和開發對話生成技術，能夠生成高質量的語音內容，適用於多種應用場景，如虛擬助手、遊戲開發和多媒體內容創作。"

使用場景示例：

生成虛擬助手的對話內容。

為遊戲角色創建多樣化的聲音。

製作教育視頻中的語音解說。

產品特色：

生成對話，通過[S1] 和[S2] 標籤區分說話者。

生成非言語交流，如（笑）、（咳嗽）等。

語音克隆功能，可以上傳音頻進行克隆。

可通過Gradio UI 進行操作，便於用戶交互。

提供預訓練模型和推理代碼，促進研究。

支持通過音頻條件化輸出，以控制情感和語調。

支持生成多種聲音，保持說話者一致性。

在企業級GPU 上可以實時生成音頻。

使用教程：

1. 從GitHub 克隆代碼庫：git clone https://github.com/nari-labs/dia.git

2. 進入目錄：cd dia

3. 安裝依賴：pip install -e .

4. 啟動Gradio UI：python app.py

5. 在UI 中輸入文本並生成音頻。