اون

Ultra

TTS گفتگو محور با شبیه‌سازی صدا و صداهای غیرکلامی

Medium سرعت
Excellent کیفیت
آره شبیه‌سازی
1 زبانها

در مورد اون

ing the most accurate text-to-speech results. Dia is a 1.6B parameter text-to-speech model that is designed to be used in the field of speech recognition. Dia is a 1.6B parameter text-to-speech model that is designed to be used in the field of speech recognition. Dia is a 1.6B parameter text-to-speech model that is designed to be used in the field of speech recognition. Dia is a 1.6B parameter

ویژگیهای کلیدی

تولید محاوره

تولید مکالمات طبیعی چندزبانه با صداهای متمایز و نوبت‌گیری.

صداهای غیرکلامی

براي بيان طبيعي پارازباني، [خنده]، [خنده]، [سرفه]، [خنده] رو اضافه کنيد

شبیه‌سازی صدا

هر صدایی را از ۵ تا ۱۰ ثانیه صدای مرجع برای گفتار شخصی کپی کنید.

گفتگوی طبیعی

پارامترهای ۱٫۶B تولید بسیار طبیعی و مکالمه ی طنازانه را تولید می کنند.

موارد استفاده

تولید گفتگو و مکالمه تولید کتاب صوتی با چند کاراکتر صداهای شخصیت بازی پادکست و ایجاد محتوا

چطور استفاده شود اون

  1. 1

    ثبت نام رایگان یا باز کردن نمایش

    در این نسخه از TextToSpeechAI، امکان استفاده از رمزنگاری رمزنگاری شده برای رمزگشایی داده‌ها وجود ندارد و رمزنگاری رمزنگاری شده برای رمزگشایی داده‌ها استفاده نمی‌شود.

  2. 2

    برگزیدن موتور Dia

    در صفحه نمایش TTS Dia را از لیست موتور انتخاب کنید. Dia مدلی با گرایش به گفتگو، فوق‌طبقه با پشتیبانی از چند بلندگو و شبیه‌سازی صدا است.

  3. 3

    نوشتن دست‌نوشتۀ محاوره‌ای با برچسب‌ها

    گفتگوی خود را با استفاده از [S1] و [S2] برای نشان دادن هر نوبت سخنران، و برچسب‌های غیر کلامی مانند [خنده]، [خنده]، [سرفه] یا (گشاده بینی) را در جایی که می‌خواهید واکنش‌های طبیعی را بیابید، بنویسید.

  4. 4

    تولید صدا

    برای ارسال دست‌نوشتۀ Dia به GPUهای میزبان ما ، روی تولید کلیک کنید. Dia گفتگوی دو بلندگو را با نوبت‌گیری و برچسب‌های غیرکلامی شما را در یک پروندۀ صوتی واحد ترسیم می‌کند.

  5. 5

    بارگیری یا فراخوانی API

    گفتگوی تمام شده را در قالب انتخاب شده خود بارگیری کنید، یا آن را با ارسال همان اسکریپت [S1]/[S2] به API TextToSpeechAI با نشانه حساب خود خودکار کنید.

اون API

این برنامه با استفاده از TextToSpeechAI REST API تولید می‌شود.

curl -X POST "https://api.texttospeechai.com/v1/generate/" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "سلام امروز چطوری؟ من حالم عالیه ممنونم که پرسیدی",
    "voice": "en_US-lessac-medium"
  }'

پرسشهای متداول

Dia یک مدل متن به گفتار با پارامتر 1.6B از آزمایشگاه Nari Labs است که در تولید گفتار مکالمه‌ای طبیعی با پشتیبانی از چندین سخنران، صداهای غیرکلامی و شبیه‌سازی صدا تخصص دارد.

بله ، Dia کاملاً مجوز Apache 2. 0 دارد — هم کد و هم وزن مدل. می‌تواند آزادانه در کاربردهای تجاری استفاده شود.

در حال حاضر Dia فقط از انگلیسی پشتیبانی می‌کند. مدل برای گفتار مکالمه‌ای طبیعی انگلیسی بهینه شده‌است.

Dia requires approximately 10GB of VRAM for its 1.6B parameter model. A GPU with at least 12GB is recommended for comfortable operation. On TextToSpeechAI all of this runs on our hosted GPUs, so you do not need any hardware of your own.

بله - گفتگو دقیقاً چیزی است که Dia برای آن ساخته شده است. با متناوب کردن چرخشهای [S1] و [S2] در اسکریپت شما ، Dia TTS یک مکالمه دو طرفه روان با صداهای متمایز و نوبت‌گیری واقعی تولید می‌کند ، که با مدلهای TTS تک‌طرفه بدست آوردن آن دشوارتر است.

هر خط از دست‌نوشتۀ خود را با [S1] یا [S2] پیشوند کنید تا نشان دهید چه کسی صحبت می‌کند. Dia یک صدای ثابت را به هر برچسب اختصاص می‌دهد و هنگامی که مکالمه حرکت می‌کند بین آن‌ها عوض می‌کند ، بنابراین [S1] و [S2] به عنوان دو کاراکتر در گفتگوی شما عمل می‌کنند.

بله. Dia از شبیه‌سازی صدا از حدود ۵- ۱۰ ثانیه از صدای مرجع تمیز پشتیبانی می‌کند ، که به شما اجازه می‌دهد صدای خاصی را برای یک بلندگو مجدداً استفاده کنید. می‌توانید شبیه‌سازی را با برچسب‌های [S1]/[S2] ترکیب کنید ، بنابراین هر کاراکتر در یک گفتگو مانند صدایی که شبیه‌سازی کرده‌اید، صدا می‌دهد.

Dia صداهای [خنده] ، [خنده] ، [سرفه] و (خنده) را به عنوان صداهای طبیعی پارازبانی که به جای کلمات گفتاری در گفتار بافته شده‌اند، نمایش می‌دهد. برچسبی را در جایی که می‌خواهید واکنش را ببینید قرار دهید - برای مثال "[S1] این خنده دار است [خنده]" - تا گفتگو را انسانی تر نشان دهید.

هر دو Dia و Bark از صداهای غیرکلامی پشتیبانی می‌کنند، اما Dia برای گفتگوی چند سخنران با [S1] / [S2] نوبت‌گیری و شبیه‌سازی صدا ساخته شده‌است. Dia را برای مکالمات واقعی دو نفره و کار شخصیت انتخاب کنید؛ Bark هنگامی که نیاز به پوشش گسترده‌تر زبان در راوی تک‌صدا دارید، مناسب‌تر است.

Dia یک موتور فوق‌طبقه است، بنابراین هزینه آن ۵۰ کرید برای هر ۱۰۰۰ کاراکتر گفتار تولید شده است.طبقه فوق‌طبقه مدل بزرگتر ۱٫۶B و ~ ۱۰ گیگابایت حافظه GPU را نشان می‌دهد که برای گفتار با کیفیت بالا استفاده می‌شود.

Yes. New TextToSpeechAI accounts include free starter credits, and there is a demo you can run without signing up. That is enough to generate a short Dia dialogue with [S1]/[S2] tags before deciding on a paid plan.

بله. وقتی که یک نشانه API از صفحه حساب خود دارید می‌توانید اسکریپت‌های گفتگوی Dia را ارسال کنید - از جمله [S1] / [S2] و برچسب‌هایی مانند [خنده] - به API REST TextToSpeechAI و صدای حاصل را به صورت برنامه‌ریزی شده دانلود کنید.

Technical Specs

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

Try اون Now

Generate your first audio free. No credit card required.

Start Free