跳到正文

Dia AI

用 TTS 模型生成带说话者标签的对话

访问官网

Dia AI 是什么

Dia 被介绍为一个由 Nari Labs 开发的文本到语音(TTS)模型,具有 1.6 亿参数,可直接从文本生成对话。预训练模型权重托管在 Hugging Face 上,资料列出的生成语言为英语。

你可以用它做什么

  • 用 [S1] 和 [S2] 标签区分说话者
  • 生成笑声、咳嗽等非言语交流
  • 上传音频进行语音克隆
  • 通过音频条件化输出控制情感和语调

应用场景

  • 生成虚拟助手的对话内容
  • 为游戏角色创建多样化的声音
  • 制作教育视频中的语音解说

上手流程

  • 从 GitHub 克隆代码库
  • 进入 dia 目录
  • 用 pip install -e . 安装依赖
  • 用 python app.py 启动 Gradio UI

优点与缺点

✓ 我们认可的地方

  • 通过音频条件化输出控制情感和语调
  • 提供 Gradio UI 便于交互

! 需要留意的地方

  • 资料列出的生成语言为英语
  • 上手流程包含克隆 GitHub 代码库并安装依赖

常见问题

怎么区分说话者?

资料列出用 [S1] 和 [S2] 标签区分说话者。

预训练权重在哪里?

资料说明预训练模型权重托管在 Hugging Face 上。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法