Dia TTS TTS
A 1.6B-parameter model purpose-built for generating natural multi-speaker dialogue, not just single-voice narration.
တိကျသောထိန်းချုပ်မှုများအတွက် SSML tags များအတွင်းသင်၏စာသားကို Wrap:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Tags ရွေးချယ်ထားသောမော်ဒယ်နားလည် — ဒါဟာဖြစ်ပျက်တဲ့နေရာမှာသင့်ရဲ့စာသားထဲသို့တစ်ဦး drop ကိုကလစ်နှိပ်ပါ:
ဒီပုံစံကိုရိုးရှင်းတဲ့စာသားဖတ်ရှု, ဒါကြောင့် inline tags တွေကိုလျစ်လျူရှုနေကြသည်။ tag ကိုအခြေခံစိတ်ခံစားမှုအတွက်, Orpheus သို့မဟုတ် Bark ကဲ့သို့သောဖော်ပြမှုပုံစံသို့ switch.
custom pronunciations ကိုသတ်မှတ်ပါ (word = pronunciation):
အကြောင်း 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.
အကောင်းဆုံး: Podcasts, audiobook dialogues, conversational content
အားလုံးကို ရှာဖွေ Dia TTS အသံများတစ်ချက်ကြည့်ပါ
- ဖန်တီးသူ
- Nari Labs
- လိုင်စင်
- Apache 2.0
- အမျိုးအစား
- standard
- အမြန်နှုန်း
- medium
- အသံကို ကူးယူခြင်း
- ဟုတ်ကဲ့
- ဘာသာစကားများ
- English
- အက္ခရာအရေအတွက်
- 800