首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于

GitHub 热门项目:dia

2026-07-03 1 阅读 约4分钟阅读 GitHub Trending
分享:
字号:
GitHub 项目:dia 仓库地址:https://github.com/nari-labs/dia 星级:19331 | 作者:国瑞实验室 项目描述:一种能够一次性生成超现实对话的 TTS 模型。 =================================================== 自述文件内容:

静态徽章 LICENSE

HuggingFace 上的模型 HuggingFace 上的空间

Dia 是 Nari Labs 创建的 1.6B 参数文本转语音模型。 **更新🤗(06/27)**:Dia 现在可以通过 [Hugging Face Transformers](https://github.com/huggingface/transformers) 获得! **更新🚀(11/19)**:Dia2 已在 Github 和 HuggingFace [链接](https://github.com/nari-labs/dia2) 上发布! Dia **直接从文字记录中生成高度真实的对话**。您可以根据音频调节输出,从而实现情感和音调控制。该模型还可以产生非语言交流,如笑声、咳嗽、清喉咙等。 为了加速研究,我们提供对预训练模型检查点和推理代码的访问。模型权重托管在 [Hugging Face](https://huggingface.co/nari-labs/Dia-1.6B-0626) 上。该模型目前仅支持英语生成。 我们还提供了一个[演示页面](https://yummy-fir-7a4.notion.site/dia),将我们的模型与[ElevenLabs Studio](https://elevenlabs.io/studio)和[Sesame CSM-1B](https://github.com/SesameAILabs/csm)进行比较。 - 我们有一个 ZeroGPU 空间正在运行!立即尝试[此处](https://huggingface.co/spaces/nari-labs/Dia-1.6B-0626)。感谢 HF 团队的支持:) - 加入我们的 [discord 服务器](https://discord.gg/bJq6vjRRKv) 以获得社区支持并访问新功能。 - 玩更大版本的 Dia:生成有趣的对话、重新混合内容并与朋友分享。 🔮 加入[等候名单](https://tally.so/r/meokbo)以抢先体验。 ## 生成指南 - 保持输入文本长度适中 - 短输入(相当于 5 秒以下的音频)听起来不自然 - 很长的输入(相当于超过 20 秒的音频)会使语音速度变得不自然。 - 谨慎使用自述文件中列表中的非语言标签。过度使用或使用未列出的非语言可能会导致奇怪的伪影。 - 始终以“[S1]”开始输入文本,并始终在“[S1]”和“[S2]”之间交替(即“[S1]”...“[S1]”...不好) - 当
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱