Dia 1.6B TTS

Ultra-Realistyczny Model Dialogu Mowy AI

Model text-to-speech open-source z 1,6B parametrów od Nari Labs generujący mowę podobną do ludzkiej z naturalną intonacją, rytmem i emocjami. Poznaj Dia 1.6B TTS.

Zacznij Posłuchaj Demo

Czym jest Dia 1.6B TTS?

Dia 1.6B TTS to najnowocześniejszy model AI text-to-speech zaprojektowany dla ultra-realistycznej syntezy dialogu. Opracowany przez Nari Labs i wydany na licencji Apache 2.0, Dia 1.6B TTS oferuje naturalny i ekspresyjny wynik mowy rywalizujący z rozwiązaniami komercyjnymi.

Synteza mowy z naturalną intonacją, rytmem i ekspresją emocjonalną przy użyciu Dia 1.6B TTS
Zoptymalizowane generowanie dialogu wielomówcy z Dia 1.6B TTS
Model 1,6B parametrów działający na 10GB VRAM
Możliwości klonowania głosu przez audio prompting

Główne Funkcje Dia 1.6B TTS

Dia 1.6B TTS Wyjątkowa Jakość Mowy

Dia 1.6B TTS tworzy niezwykle naturalnie brzmiące głosy z ludzką intonacją, rytmem i emocjami. Zaawansowany model AI tworzy mowę, która jest prawie nie do odróżnienia od ludzkich głosów.

Dia 1.6B TTS: Obsługa Wielu Mówców

Łatwo twórz rozmowy wielu mówców używając prostych tagów jak [S1] i [S2] aby określić różne głosy w tekście, utrzymując spójny i naturalny dialog z Dia 1.6B TTS.

Klonowanie Głosu z Dia 1.6B TTS

Klonuj specyficzne charakterystyki wokalne używając funkcji audio prompting, umożliwiając spójną tożsamość głosową w wielu generacjach dla spersonalizowanego wyniku mowy z Dia 1.6B TTS.

Dia 1.6B TTS: Model Open Source

Wydany na licencji Apache 2.0, pozwalający na bezpłatne użycie do celów osobistych i komercyjnych. Kompletne wagi modelu i kod dla Dia 1.6B TTS są dostępne na GitHub.

Demo Audio Dia 1.6B TTS

Dia 1.6B TTS: Standardowe Użycie (Przykład 1)

Podstawowy przykład generowania dialogu z Dia 1.6B TTS.

Dia 1.6B TTS: Naturalna Rozmowa (Przykład 2)

Demonstruje zwykłe interakcje używając Dia 1.6B TTS.

Dia 1.6B TTS: Dialog Emocjonalny (Przykład 3)

Ekspresywny przykład mowy o wysokich emocjach używając Dia 1.6B TTS.

Dia 1.6B TTS: Dźwięki Niewerbalne (Przykład 4)

Zawiera kaszel, pociąganie nosem, śmiech generowane przez Dia 1.6B TTS.

Dia 1.6B TTS: Przykład Rap (Przykład 5)

Pokazuje rytm i rym używając Dia 1.6B TTS.

Dia 1.6B TTS: Funkcja Audio Prompting (Przykład 6)

Przykład klonowania głosu używając audio prompts Dia 1.6B TTS.

Uwaga: Aby używać audio prompts dla wysokiej jakości wyniku w Dia 1.6B TTS, dodaj odpowiedni skrypt przed tekstem wejściowym. Rozważana jest automatyczna transkrypcja dla łatwości użycia.

Przykłady Wideo Dia 1.6B TTS

Dia 1.6B TTS: Jakość Podcastu

Demonstruje potencjał generowania podcastów używając Dia 1.6B TTS.

Dia 1.6B TTS: Wprowadzenie do Modelu

Podkreśla model 1,6B parametrów Dia 1.6B TTS.

Dia 1.6B TTS: Ultra-Realistyczny Dialog

Pokazuje generowanie jednorazowe używając Dia 1.6B TTS.

Jak Działa Dia 1.6B TTS: Od Tekstu do Realistycznego Dialogu

1. Przygotuj Swój Skrypt dla Dia 1.6B TTS
Napisz lub wklej tekst, który chcesz aby Dia 1.6B TTS przekonwertował. Użyj prostych tagów jak [S1] i [S2] przed zdaniami aby przypisać różne głosy mówców. Możesz również dołączyć niewerbalne sygnały jak (śmieje się) lub (kaszle) aby dodać realizmu.
2. (Opcjonalnie) Dostarcz Audio Prompts do Dia 1.6B TTS
Aby sklonować konkretny głos lub nakierować ton emocjonalny z Dia 1.6B TTS, prześlij krótką próbkę audio (5-15 sekund) i jej dokładną transkrypcję (z tagami mówców) dodaną przed głównym skryptem w twoim wejściu.
3. Generuj Audio z Dia 1.6B TTS
Uruchom model Dia 1.6B TTS (lokalnie przez aplikację lub używając demo online). Model przetwarza cały skrypt w jednym przebiegu, generując płynny dialog.
4. Posłuchaj i Pobierz Wynik Dia 1.6B TTS
Odtwórz wygenerowane audio bezpośrednio z Dia 1.6B TTS. Wynik przechwytuje naturalną intonację, rytm, a nawet sygnały niewerbalne, tworząc ultra-realistyczne doświadczenie słuchania. Pobierz plik audio dla swoich projektów.

Przewodnik Instalacji Dia 1.6B TTS

### Windows Installation

1. Clone the repository
   git clone https://github.com/nari-labs/dia.git
   cd dia

2. Create a Python virtual environment (Python 3.10 recommended)
   python -m venv venv
   venv\Scripts\activate.bat

3. Install dependencies
   python -m pip install --upgrade pip
   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
   pip install -r requirements.txt

4. Download model weights
   # These will download automatically or can be manually downloaded from Hugging Face

5. Launch the application
   python app.py

Informacje Techniczne Dia 1.6B TTS

Dia 1.6B TTS - Ultra-Realistyczny Model Syntezy Dialogu

Dia 1.6B TTS to najnowocześniejszy model text-to-speech z 1,6B parametrów generujący głosy podobne do ludzkich z naturalną intonacją, rytmem i emocjami. Na GPU klasy przedsiębiorstwa, Dia 1.6B TTS może generować audio w czasie rzeczywistym, z GPU A4000 produkującym około 40 tokenów/sekundę (86 tokenów równa się 1 sekundzie audio).

Pełna wersja wymaga około 10GB VRAM do działania. Skwantyzowane wersje Dia 1.6B TTS są planowane w przyszłych aktualizacjach aby poprawić dostępność na sprzęcie niższej klasy.

Repozytorium GitHub Dia 1.6B TTS Demo Online Dia 1.6B TTS

Cennik Dia TTS

Kup kredyty generowania głosu Dia TTS aby doświadczyć profesjonalnych usług AI text-to-speech.

Basic

Roczny plan Basic z lepszą ceną.

$9.9$7.9/miesiąc

12000 kredytów rocznie (1000/miesiąc)
Rozliczane rocznie ($94.80/rok)
Wysokiej jakości wyjścia audio
Standardowe wsparcie klientów

Roczne oszczędności! 20% taniej vs miesięczne!

Najpopularniejsze

Pro

Roczny plan Pro, najlepszy wybór dla profesjonalistów.

$19.9$15.9/miesiąc

26400 kredytów rocznie (2200/miesiąc)
Rozliczane rocznie ($190.80/rok)
Wysokiej jakości wyjścia audio
Priorytetowe wsparcie klientów