Dia
UltraDialoog-georganiseerde TTS met stem kloning en nieverbale klanke
Aangaande Dia
Dia deur Nari Labs is 'n 168B parameter se dialoog-geëkusde teks-na-sech model. Dit blink voort om natuurlike gespreksrede te genereer met ondersteuning vir nieverbale klanke soos gelag, sug, en hoes. Dia ondersteun multi-preser dialoog geslag en stem kloning van 5-10 sekondes van verwysing klank, wat dit ideaal maak om realistiese gesprekke en karakterstemme te skep.
Sleutelbronne
Dialoog geslag
Genereer natuurlike veel-praat gesprekke met verskillende stemme en herinneming.
Nieverbale klanke
Voeg [lagte] by, [sag], [kwes], (gasps) vir natuurlike paralinguistiese uitdrukking.
Stemvertolking
Kmid enige stem van 5-10 sekondes van verwysing oudio vir persoonlike spraak.
Natuurlike gesprekke
1,6B parameters produseer hoogs natuurlike gespreksprikkelende en intonasie.
Gebruik letterkase
Hoe om te gebruik Dia
-
1
Teken gratis op of maak die demo nie oop nie
Create a free TextToSpeechAI account to claim your starter credits, or open the no-signup demo to try Dia dialogue right away.
-
2
Kies die Dia-enjin
In die TTS paneelbord kies Dia van die enjin lys. Dia is die dialoog-gespreekde, ultra-ter model met veel-prekender en stem-same ondersteuning.
-
3
Skryf 'n dialoog skrip met etiket
Skryf jou gesprek met [S1] en [S2] om elke luidspreker te merk, en val in nieverbale merkers soos [lag], [sag], [skoene] of (gaspe) waar jy natuurlike reaksies wil hê.
-
4
Genereer die oudio
Kliek genereer na stuur jou Dia skrip na ons bediener GPUs. Dia gee die twee- praatder dialoog met skakelinbel en jou nieverbal etiket in 'n enkele oudio lêer.
-
5
Laai die API af of bel dit
Download the finished dialogue in your chosen format, or automate it by posting the same [S1]/[S2] script to the TextToSpeechAI API with your account token.
Dia API
Generate speech programmatically using the TextToSpeechAI REST API.
curl -X POST "https://api.texttospeechai.com/v1/generate/" \
-H "Authorization: Bearer YOUR_API_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"text": "Ek doen groot, dankie dat jy gevra het!",
"voice": "en_US-lessac-medium"
}'
Vrae wat dikwels gevra word
Technical Specs
- Generation Speed Medium
- Output Quality Excellent
- Voice Cloning Supported
- Languages 1
- GPU VRAM 10GB
- Credits/1000 chars 50