开源推荐
morning
GitHub 热门项目:dia
2026-07-03
1 阅读
约4分钟阅读
GitHub Trending
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:
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