Dia
UltraDialoog- gedefinieerde TTS met stem kloning en nieverbale klanke
Medium
Spoed
Excellent
Kwaliteit
Yes
Kleur SkemasCity name (optional, probably does not need a translation)
1
Tale
Aangaande Dia
Dia deur Nari Labs is 'n 1,6B parameter 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 veelpraat gesprekke met verskillende stemme en heraanneming.
Nieverbale klanke
Voeg [lagte] by, [sakke], [skoene], (gasps) vir natuurlike paralinguistiese uitdrukking.
Stemverkleuring
Rig enige stem van 5-10 sekondes van verwysing oudio vir persoonlike spraak.
Natuurlike gesprekke
1,6B parameters produseer hoogs natuurlike gesprekspligte en intonasie.
Gebruik letterkase
Dialoog en gespreksgeslag
Audioboek produksie met veelvuldige karakters
Speletjie karakter stemme
Podcate en inhoud skepping
Vrae wat dikwels gevra word
Dia is 'n 168B parameter dialoog-oor duisend teks-na-sech model van Nari Labs. Dit spesialiseer daarin om natuurlike gespreksrede te genereer met ondersteuning vir veelvuldige sprekers, nieverbale klanke en stemkloning.
Ja, Dia is ten volle Apaches 2,0 gelisensieer - kode sowel as modelgewigte.'n Mens kan dit vryelik in kommersiële programme gebruik.
Tans ondersteun Dia net Engels. Die model is ideaal vir natuurlike Engelse gespreksrede.
Dia ondersteun spesiale merkers in jou teks: [lags] vir gelag, [pyn] vir sug, [onder] vir hoes en (gasps) vir gasgas. Hierdie voeg natuurlike nie-verbale klanke by om spraak realistieser te maak.
Gebruik [S1] en [S2] merkers om verskillende sprekers in jou teks te merk. Dia genereer verskillende stemme vir elke spreker met natuurlike omset en gespreks dinamieses.
Albei ondersteun nieverbal klanke, maar Dia is spesifiek ontwerp vir dialoog met multi-praat ondersteun. Dia produseer meer natuurlike gesprek met 'n beter omset. Bark ondersteun meer tale, maar Dia het beter dialoog kwaliteit.
Dia vereis ongeveer 10GB van VRAM vir sy 1,6B parametermodel.'n GPU met ten minste 12GB word aanbeveel vir gerieflike operasie.
Technical Specs
- Generation Speed Medium
- Output Quality Excellent
- Voice Cloning Supported
- Languages 1
- GPU VRAM 10GB
- Credits/1000 chars 50