Dia TTS TTS
A 1.6B-parameter model purpose-built for generating natural multi-speaker dialogue, not just single-voice narration.
برای کنترل دقیق ، متن خود را در برچسبهای SSML بپیچید:
<speak><prosody rate="slow">Slow speech</prosody></speak>
برچسبهایی که مدل برگزیده میفهمد — برای انداختن یکی در متن خود ، جایی که اتفاق میافتد ، کلیک کنید:
این مدل متن ساده را میخواند ، بنابراین برچسبهای خطی نادیده گرفته میشوند. برای احساسات مبتنی بر برچسب ، به یک مدل بیانی مانند Orpheus یا Bark تغییر دهید.
تعریف تلفظ سفارشی) کلمه = تلفظ (:
در مورد Dia TTS
Dia by Nari Labs is a 1.6-billion-parameter text-to-speech model designed from the ground up for dialogue rather than monologue. It generates conversations between two speakers with realistic turn-taking, prosody, and emotional expression, producing audio that sounds like a real exchange instead of two voices read separately. Architecturally it pairs an autoregressive transformer with the Descript Audio Codec (DAC) for waveform generation. Dia is a strong fit for podcast-style content, scripted audiobook dialogue, and conversational scenes, and is released under Apache 2.0. Generations are heavier than single-voice models, so it favors quality over raw speed.
بهترین برای: Podcasts, audiobook dialogues, conversational content
مرور همۀ Dia TTS صداهايه نگاهي بنداز
- توسعهدهنده
- Nari Labs
- مجوز
- Apache 2.0
- حیوان
- standard
- سرعت
- medium
- شبیهسازی صدا
- نه
- زبانها
- English
- بیشینه نویسهها
- 800