Dia TTS

Dia TTS TTS

A 1.6B-parameter model purpose-built for generating natural multi-speaker dialogue, not just single-voice narration.

Rekisteröidy 5 000 merkin raja-arvo

Kääri tekstisi SSML-tunnisteisiin tarkan valvonnan varmistamiseksi:

<speak><prosody rate="slow">Slow speech</prosody></speak>

Merkitse valittu malli ymmärtää – klikkaa pudottaaksesi yhden tekstiisi, missä se tapahtuu:

Tässä mallissa lukee pelkkää tekstiä, joten rivitunnisteet jätetään huomiotta. Jos haluat tag-pohjaisen tunteen, vaihda ilmaisukykyiseen malliin, kuten Orfeus tai Bark.

Määrittele custom-äänet (sana = ääntäminen):

-12 +12
0.5x 2.0x
Vapaa Piperin, VITS:n, MeloTTS:n kanssa
Luomasi ääni näkyy tässä. Valitse malli, kirjoita teksti ja napsauta Luo.
Ääni tuotettu onnistuneesti
0:00
Lataa ääni Lataa.srt Linkki päättyy 24h
Vapaa taso: henkilökohtainen käyttö. Kaupallinen lisenssi $5/mo
Rakasta TTS.aita, kerro ystävillesi!

Tietoja 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.

Paras: Podcasts, audiobook dialogues, conversational content

Selaa kaikkia Dia TTS äänet

Silmäyksellä

Kehittäjä
Nari Labs
Lisenssi
Apache 2.0
Määrittämistaso
standard
Nopeus
medium
Äänien kloonaus
Ei tarvitse.
Kielet
English
Maksimimerkit
800

Dia TTS äänet

Speaker 1

English
Standardi Neutral

Speaker 2

English
Standardi Neutral

Dia TTS TTS – FAQ

Multi-speaker dialogue. Unlike most TTS models that read one voice at a time, Dia generates a two-speaker conversation with natural turn-taking, prosody, and emotion in a single pass — ideal for podcasts and scripted scenes.

It is a 1.6-billion-parameter model from Nari Labs, built on an autoregressive transformer with the Descript Audio Codec for audio generation.

On TTS.ai, Dia is configured for English. Its strength is dialogue generation rather than broad multilingual coverage.
← Kaikki äänet