ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">文本转语音（TTS）领域又迎来一位重磅新星！ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;letter-spacing: 0.1em;color: rgb(63, 63, 63);"> ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">由- •多角色对话生成：使用 [S1]、[S2] 等标签区分角色，单次生成多角色对话，保持自然节奏和情感过渡。
- •拟人化表达：支持笑声(laugh)、叹气(sigh）、咳嗽(cough)等非语言情绪
- •零样本声纹克隆：可微调或指定语音风格，克隆用户或角色声音
- •高质量语音合成：音质媲美 ElevenLabs、Sesame，细节自然，情绪变化真实
- •实时推理速度：A4000 显卡上约 40 tokens/s，体验流畅无等待
- •Gradio 界面支持：自带可用的 Web UI 界面，输入文本立即试听
快速上手Dia-1.6B 官方实验室提供了详细安装指南和 Gradio 演示。 在线体验： 无需配置环境，打开 Hugging Face Demo 即可输入脚本或音频试听效果： Demo：https://huggingface.co/spaces/nari-labs/Dia-1.6B 安装部署与使用步骤： 1、克隆项目 gitclonehttps://github.com/nari-labs/dia.git
cddia
2、创建虚拟环境 python -m venv .venv
source.venv/bin/activate
3、安装依赖 pipinstall-e. 4、启动 Gradio UI pythonapp.py 访问http://localhost:7860，输入脚本或上传音频，生成对话。 示例脚本： [S1]Diaisamazing![S2]Yeah,itgenerateslaughstoo!(laughs) 还可以通过 Python 包安装 Dia 的API # Install directly from GitHub
pip install git+https://github.com/nari-labs/dia.git
Python 调用示例： import soundfile as sf
from dia.model import Dia
model = Dia.from_pretrained("nari-labs/Dia-1.6B")
text ="[S1] Dia is an open weights text to dialogue model. [S2] You get full control over scripts and voices. [S1] Wow. Amazing. (laughs) [S2] Try it now on Git hub or Hugging Face."
output = model.generate(text)
sf.write("simple.mp3", output, 44100)
后续也将推出 pypi包和CLI工具。 使用场景推荐- •有声读物 / 小说播报：让不同角色“开口说话”，配合情绪词还原真实语境
- •AI 角色扮演：配合 Agent，多角色模拟对话系统
- •TTS 研究与微调：声音克隆、情绪控制、非语言表达
|
