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
چطور استفاده شود اون
-
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
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
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
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
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
Technical Specs
- Generation Speed Medium
- Output Quality Excellent
- Voice Cloning Supported
- Languages 1
- GPU VRAM 10GB
- Credits/1000 chars 50