Dia

Ultra

Dialogorienterede TTS med stemmekloning og nonverbale lyde

Prøv gratis Dia Gennemse stemmer (0)
Medium Hastighed
Excellent Kvalitet
Ja Kloning
1 Sprog

Om Dia

Dia by Nari Labs er en 1.6B parameter dialog-fokuseret tekst-til-tale model. Det udmærker sig ved at generere naturlig samtaletale med støtte til nonverbale lyde som latter, sukker og hoste. Dia understøtter multi-højtaler dialog generation og stemme kloning fra 5-10 sekunders reference audio, hvilket gør det ideelt til at skabe realistiske samtaler og karakter stemmer.

Nøglefunktioner

Dialogskabelse

Generer naturlige multi-højtaler samtaler med forskellige stemmer og turn-taking.

Ikke-verbale lyde

Tilføj [griner], [suk], [hoste], (gisp) for naturlige paralsproglig udtryk.

Stemmekløvning

Klon enhver stemme fra 5-10 sekunders reference lyd til personlig tale.

Naturlig samtale

1.6B parametre producerer meget naturlige konversationel prosody og intonation.

Brugstilfælde

Dialog og samtale generation Produktion af lydbøger med flere tegn Spiltegnstemmer Oprettelse af podcast og indhold

Hvordan man bruger Dia

  1. 1

    Tilmeld dig gratis eller åbne demoen

    Opret en gratis TextToSpeechAI konto til at kræve dine startkreditter, eller åbne no-signup demo for at prøve Dia dialog med det samme.

  2. 2

    Vælg Dia- motoren

    I TTS-instrumentbrættet vælger du Dia fra motorlisten. Dia er den dialogorienterede, ultra-tier-model med multihøjttaler og stemmecloning-understøttelse.

  3. 3

    Skriv et dialogscript med tags

    Komponer din samtale ved hjælp af [S1] og [S2] at markere hver taler dreje, og slip i nonverbale tags såsom [griner], [suk], [hoste], eller (gisp), hvor du ønsker naturlige reaktioner.

  4. 4

    Generér lyden

    Klik på generere at sende dit Dia script til vores hosted GPU'er. Dia gør to-højttaler dialog med turn-taking og dine nonverbal tags i en enkelt lydfil.

  5. 5

    Download eller ring til API'en

    Download den færdige dialog i dit valgte format, eller automatiser den ved at sende det samme [S1] / [S2] script til TextToSpeechAI API med din konto token.

Dia API

Generer tale programmatisk ved hjælp af 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": "Hvordan går det?",
    "voice": "en_US-lessac-medium"
  }'
Læs API Docs Få din API- nøgle

Ofte stillede spørgsmål

Dia er en 1.6B parameter dialogorienteret tekst-til-tale model fra Nari Labs. Det har specialiseret sig i at generere naturlig samtaletale med støtte til flere højttalere, nonverbal lyde og stemmekloning.

Ja, Dia er fuldt Apache 2.0 licenseret - både kode og model vægte. Det kan bruges frit i kommercielle applikationer.

I øjeblikket Dia understøtter kun engelsk. Modellen er optimeret til naturlig engelsk samtaletale.

Dia kræver ca. 10GB VRAM for sin 1.6B parameter model. En GPU med mindst 12GB anbefales til komfortabel drift. På TextToSpeechAI alt dette kører på vores hosted GPU'er, så du behøver ikke nogen hardware af din egen.

Ja - dialog er præcis hvad Dia er bygget til. Ved at skifte [S1] og [S2] kaster i dit manuskript, producerer Dia TTS en flydende to-højttaler samtale med forskellige stemmer og realistisk tur-taking, hvilket er sværere at opnå med single-højttaler TTS modeller.

Præfikser hver linje af dit script med [S1] eller [S2] at markere, hvem der taler. Dia tildeler en konsekvent stemme til hvert tag og skifter mellem dem, når samtalen bevæger sig, så [S1] og [S2] fungere som de to tegn i din dialog.

Ja. Dia understøtter stemmekloning fra omkring 5-10 sekunders ren referencelyd, så du kan genbruge en bestemt stemme til en højttaler. Du kan kombinere kloning med [S1] / [S2] tags, så hver karakter i en dialog lyder som den stemme, du klonede.

Dia gengiver [griner], [suk], [hoste], og (gisp) som naturlige paralsproglige lyde vævet ind i talen snarere end talte ord. Placer et mærke, hvor du ønsker reaktionen - for eksempel "[S1] Det er sjovt [griner]" - at gøre dialogen føle mere menneskelig.

Både Dia og Bark understøtter udtryksfulde nonverbale lyde, men Dia er designet til multi-højttaler dialog med [S1] / [S2] tur-taking og stemme kloning. Vælg Dia for realistiske to-personers samtaler og karakter arbejde; Bark er en bedre pasform, når du har brug for bredere sprog dækning i enkelt-stemme fortælling.

Dia er en ultra-tier motor, så det koster 50 kreditter pr 1.000 tegn i genereret tale. ultra tier afspejler den større 1.6B model og ~ 10GB GPU hukommelse, den bruger til høj kvalitet dialog.

Ja. Nye TextToSpeechAI konti omfatter gratis startkreditter, og der er en demo, du kan køre uden at tilmelde dig. Det er nok til at generere en kort Dia dialog med [S1] / [S2] tags, før du beslutter dig for en betalt plan.

Ja. Når du har en API token fra din konto side kan du indsende Dia dialog scripts - herunder [S1] / [S2] vender og tags som [griner] - til TextToSpeechAI REST API og downloade den resulterende lyd programmatisk.

Technical Specs

  • Generation Speed Medium
  • Output Quality Excellent
  • Voice Cloning Supported
  • Languages 1
  • GPU VRAM 10GB
  • Credits/1000 chars 50

Try Dia Now

Generate your first audio free. No credit card required.

Start Free

Other TTS Engines

Bark
Slow | Very Good
Chatterbox
Fast | Very Good
CosyVoice2cosyVoice2coycolor
Fast | Very Good
View All 9 Engines