logoDia TTS

Dia 1.6B TTS

超现实AI语音对话模型

由Nari Labs开发的开源1.6B参数文本转语音模型，能够生成具有自然语调、节奏和情感的人类般语音。认识Dia 1.6B TTS。

开始使用收听演示
Dia TTS Hero Animation

什么是Dia 1.6B TTS？

Dia 1.6B TTS是一款尖端的AI文本转语音模型，专为超现实对话合成而设计。由Nari Labs开发并在Apache 2.0许可证下发布，Dia 1.6B TTS提供可媲美商业解决方案的自然和富有表现力的语音输出。

  • 使用Dia 1.6B TTS进行具有自然语调、节奏和情感表达的语音合成
  • 使用Dia 1.6B TTS优化多说话者对话生成
  • 在10GB显存上运行的1.6B参数模型
  • 通过音频提示进行语音克隆功能

Dia 1.6B TTS核心功能

Dia 1.6B TTS卓越语音质量

Dia 1.6B TTS产生极其自然的声音，具有人类般的语调、节奏和情感。先进的AI模型创造出几乎与人声无法区分的语音。

Dia 1.6B TTS：多说话者支持

使用简单的标签如[S1]和[S2]轻松创建多说话者对话，在文本中指定不同的声音，使用Dia 1.6B TTS保持一致的自然对话。

使用Dia 1.6B TTS进行语音克隆

使用音频提示功能克隆特定的语音特征，实现多次生成中一致的语音身份，使用Dia 1.6B TTS实现个性化语音输出。

Dia 1.6B TTS：开源模型

在Apache 2.0许可证下发布，允许个人和商业用途免费使用。Dia 1.6B TTS的完整模型权重和代码在GitHub上可用。

Dia 1.6B TTS音频演示

Dia 1.6B TTS：标准用法（示例1）

来自Dia 1.6B TTS的基础对话生成示例。

Dia 1.6B TTS：自然对话（示例2）

展示使用Dia 1.6B TTS的休闲互动。

Dia 1.6B TTS：情感对话（示例3）

使用Dia 1.6B TTS的表达性、高情感语音示例。

Dia 1.6B TTS：非语言声音（示例4）

包括由Dia 1.6B TTS生成的咳嗽、嗅鼻、笑声。

Dia 1.6B TTS：说唱示例（示例5）

展示使用Dia 1.6B TTS的节奏和韵律。

Dia 1.6B TTS：音频提示功能（示例6）

使用Dia 1.6B TTS音频提示进行语音克隆的示例。

注意：要在Dia 1.6B TTS中使用音频提示获得高质量输出，请将相应的脚本前置到输入文本中。正在考虑自动转录以便于使用。

Dia 1.6B TTS视频示例

Dia 1.6B TTS：播客质量

展示使用Dia 1.6B TTS生成播客的潜力。

Dia 1.6B TTS：模型介绍

突出Dia 1.6B TTS的1.6B参数模型。

Dia 1.6B TTS：超现实对话

展示使用Dia 1.6B TTS的单次生成。

Dia 1.6B TTS工作原理：从文本到逼真对话

  1. 1. 为Dia 1.6B TTS准备您的脚本

    编写或粘贴您希望Dia 1.6B TTS转换的文本。在句子前使用简单的标签如[S1]和[S2]来分配不同的说话者声音。您还可以包含非语言提示如（笑）或（咳嗽）以增加真实感。

  2. 2. （可选）为Dia 1.6B TTS提供音频提示

    要使用Dia 1.6B TTS克隆特定声音或引导情感语调，请上传短音频样本（5-15秒）并将其准确转录（带说话者标签）前置到输入中的主脚本。

  3. 3. 使用Dia 1.6B TTS生成音频

    运行Dia 1.6B TTS模型（通过应用程序本地运行或使用在线演示）。模型一次性处理整个脚本，生成无缝对话。

  4. 4. 收听并下载Dia 1.6B TTS输出

    直接从Dia 1.6B TTS播放生成的音频。输出捕获自然语调、节奏甚至非语言提示，创造超现实的聆听体验。为您的项目下载音频文件。

Dia 1.6B TTS安装指南

### Windows安装

1. 克隆仓库
   git clone https://github.com/nari-labs/dia.git
   cd dia

2. 创建Python虚拟环境（推荐Python 3.10）
   python -m venv venv
   venv\Scripts\activate.bat

3. 安装依赖
   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. 下载模型权重
   # 这些将自动下载或可以从Hugging Face手动下载

5. 启动应用程序
   python app.py

Dia 1.6B TTS技术信息

Dia 1.6B TTS Architecture Diagram

Dia 1.6B TTS - 超现实对话合成模型

Dia 1.6B TTS是一个最先进的文本转语音模型，具有1.6B参数，生成具有自然语调、节奏和情感的人类般声音。在企业级GPU上，Dia 1.6B TTS可以实时生成音频，A4000 GPU大约产生40令牌/秒（86令牌等于1秒音频）。

完整版本需要大约10GB的显存运行。计划在未来更新中推出Dia 1.6B TTS的量化版本，以提高在低端硬件上的可访问性。

Dia 1.6B TTS GitHub仓库Dia 1.6B TTS在线演示

Dia TTS 定价

购买 Dia TTS 积分，体验专业的AI视频生成服务。

Basic

一年期Basic套餐，享受更优惠的价格。

$9.9$7.9/月
  • 每年 12000 积分 (1000/月)
  • 按年计费 ($94.80/年)
  • 高质量音频输出
  • 标准客户支持

年付享优惠，比月付节省20%！

最受欢迎

Pro

一年期Pro套餐，专业用户的最佳选择。

$19.9$15.9/月
  • 每年 26400 积分 (2200/月)
  • 按年计费 ($190.80/年)
  • 高质量音频输出
  • 优先客户支持

年付享优惠，比月付节省20%！

Ultra

一年期Ultra套餐，团队和企业的首选。

$36.9$29.9/月
  • 每年 54000 积分 (4500/月)
  • 按年计费 ($358.80/年)
  • 高质量音频输出
  • VIP客户支持

年付享优惠，比月付节省19%！