दिवस

Ultra

संवाद- केंद्रीत TTS आवाज क्लोन व गैर- शब्दात्मक आवाज सहName

मोफत प्रयत्न करा दिवस आवाज ब्राउझ करा (0)
Medium वेग
Excellent गुणवत्ता
होय क्लोन
1 भाषाName

विषयी दिवस

ing the ability to generate natural conversational speech with support for nonverbal sounds like laughter, sighs, and coughs. Dia is excellent at generating natural conversational speech with support for nonverbal sounds like laughter, sighs, and coughs. It excels at generating natural conversational speech with support for nonverbal sounds like laughter, sighs, and coughs. Dia is excellent at generating natural conversational speech with support for nonverbal sounds like laughter,

मुख्य वैशिष्ट्ये

संवाद निर्मिती

अनेक वृत्तपत्रे व नियतकालिकांतून त्यांनी विविध विषयांवर लेखन केले आहे.

गैर-मौखिक आवाज

त्याचे वडील (अभिषेक) आणि आई (अभिषेक) हे दोघेही वकील आहेत.

आवाज क्लोन

5-10 मिनिटे मंद आचेवर शिजवून घ्यावे, नंतर त्याचे तुकडे करून घ्यावे.

नैसर्गिक संवाद

६०६) हे एक बौद्ध धर्मीय व तत्त्वज्ञानी होते.

वापरा प्रकरणे

संवाद व संवाद निर्मिती अनेक अक्षरांसह ऑडिओबुक निर्मिती खेळ अक्षर आवाज पॉडकास्ट व विषयवस्तु निर्मिती

वापर कसे कराल दिवस

  1. 1

    मोफत नोंदणी करा किंवा डेमो उघडा

    Create a free TextToSpeechAI account to claim your starter credits, or open the no-signup demo to try Dia dialogue right away.

  2. 2

    Dia इंजिन निवडा

    TTS डॅशबोर्ड अंतर्गत इंजिन यादीतून Dia निवडा. Dia संवाद- केंद्रीत, बहु- स्पीकर व आवाज- क्लोन समर्थन सह अति- स्तर मॉडेल आहे.

  3. 3

    टॅग सह संवाद स्क्रिप्ट लिहा

    प्रत्येक वक्त्याचा फेरा दर्शविण्यासाठी [S1] आणि [S2] वापरून संवाद तयार करा, आणि [laughs], [sighs], [coughs], किंवा (gasps) सारख्या अवाक् टॅग्जमध्ये सोडा जिथे तुम्हाला नैसर्गिक प्रतिक्रिया हवी आहे.

  4. 4

    ऑडिओ बनवा

    Dia स्क्रिप्ट आमच्या यजमान GPUs करीता पाठविण्याकरीता निर्माण करा वर क्लिक करा. Dia दोन स्पीकर संवाद टर्न-टेकिंग व तुमच्या गैर-भाषिक टॅगसह एकल ऑडिओ फाइल करीता रेंडरिंग करते.

  5. 5

    API डाउनलोड करा किंवा कॉल करा

    निवडलेल्या स्वरूपात पूर्ण संवाद डाउनलोड करा, किंवा TextToSpeechAI API कडे तुमच्या खात्याशी संबंधित टोकनसह समान [S1]/[S2] स्क्रिप्ट पोस्ट करून ते स्वचालित करा.

दिवस 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": "[S1] नमस्कार! आज तुम्ही कसे आहात? [हसू] [S2] मी चांगले काम करत आहे, विचारल्याबद्दल धन्यवाद!",
    "voice": "en_US-lessac-medium"
  }'
API दस्तऐवजीकरण वाचा तुमचे API कि प्राप्त करा

वारंवार विचारले जाणारे प्रश्न

Dia हे Nari Labs पासून 1.6B पैरामीटर संवाद-उन्मुख पाठ्य-भाषण मॉडेल आहे. ते बहु वक्त्यांसाठी समर्थन, अवाक् आवाज व आवाज क्लोनिंग सह नैसर्गिक संवादात्मक भाषण निर्माण करण्याकरीता विशेष आहे.

होय, Dia पूर्णपणे Apache 2.0लाइसेन्स आहे - दोन्ही कोड व मॉडेल वजन. ते व्यावसायिक अनुप्रयोगात मोफत वापरले जाऊ शकते.

Dia सध्या फक्त इंग्रजी करीता समर्थन पुरवते. हे नमूना नैसर्गिक इंग्रजी संवाद संवाद करीता उत्तम आहे.

1.6B पैरामीटर मॉडेलसाठी Dia ला सुमारे 10GB VRAM ची आवश्यकता असते. 12GB पेक्षा कमी GPU सह सुलभ कार्यासाठी शिफारस केली जाते. TextToSpeechAI वर हे सर्व आमच्या होस्ट GPU वर चालते, म्हणून तुम्हाला स्वतःचे कोणत्याही हार्डवेअरची गरज नाही.

होय - संवाद Dia साठी बनविले गेले आहे. तुमच्या स्क्रिप्ट अंतर्गत [S1] व [S2] फेरे बदलवून Dia TTS वेगळ्या आवाजांसह दोन वक्ता संवाद व खराखुरा फेरी घेण्याचा निर्माण करतो, जे एकल वक्ता TTS मॉडेलसह प्राप्त करणे कठीण आहे.

[Translation temporarily unavailable. Please try again.]

होय. Dia आवाज क्लोनिंगला सुमारे 5-10 सेकंद स्वच्छ संदर्भ ऑडिओ पासून समर्थन देते, तुम्हाला स्पीकरसाठी विशिष्ट आवाज पुन्हा वापरण्यास परवानगी देतो. तुम्ही [S1]/[S2] टॅगसह क्लोनिंगचे संयोजन करू शकता जेणेकरून संवादातील प्रत्येक अक्षर तुम्ही क्लोन केलेल्या आवाजासारखे वाटेल.

Dia [हसू], [सळसळणे], [खोकला] व (गंजणे) हे शब्दांपेक्षा बोलण्यात वापरले जाणारे नैसर्गिक शब्द म्हणून दर्शविते. संवाद अधिक मानवी बनवण्याकरीता तुम्हाला ज्या ठिकाणी प्रतिक्रिया हवी आहे तेथे टॅग ठेवा - उदाहरणार्थ "[S1] हे मजेदार आहे [हसू]".

Dia व Bark दोन्ही शब्दविरहित ध्वनी समर्थन देतात, पण Dia बहु- वक्ता संवाद करीता [S1]/[S2] फेरी घेणे व आवाज क्लोनिंग सह उद्देशाने बनविले आहे. खराखुरा दोन- व्यक्ती संवाद व वर्ण कार्य करीता Dia निवडा; एकल- आवाज कथन मध्ये तुम्हाला विस्तृत भाषा कवच आवश्यक असल्यास Bark चांगले आहे.

ॲरिस्टॉटलच्या मते, तत्त्वज्ञान हे एक तत्त्वज्ञान आहे, ज्यात तत्त्वज्ञानाच्या सर्व शाखांचा समावेश होतो, ज्यात तत्त्वज्ञानाच्या सर्व शाखांचा समावेश होतो, ज्यात तत्त्वज्ञानाच्या सर्व शाखांचा समावेश होतो, ज्यात तत्त्वज्ञानाच्या सर्व शाखांचा समावेश होतो, ज्यात तत्त्वज्ञानाच्या सर्व शाखांचा समावेश होतो.

होय. नवीन TextToSpeechAI खात्यांमध्ये मोफत सुरुवातीची कर्जे समाविष्ट आहेत, आणि तुम्ही नोंदणी न करता चालवू शकता असे डेमो आहे. ते [S1] / [S2] टॅग्जसह एक छोटा डाय संवाद तयार करण्यासाठी पुरेसे आहे.

होय. तुमच्या खात्यापासून API टोकन मिळाल्यानंतर तुम्ही Dia संवाद स्क्रिप्ट सादर करू शकता - [S1]/[S2] टर्न आणि [laughs] सारख्या टॅग्ससह - TextToSpeechAI REST API ला आणि परिणामी ऑडिओ प्रोग्रामिंगने डाउनलोड करू शकता.

Technical Specs

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

Try दिवस Now

Generate your first audio free. No credit card required.

Start Free

Other TTS Engines

शेल
Slow | Very Good
चॅटरबॉक्स
Fast | Very Good
कोसी आवाज २Name
Fast | Very Good
View All 9 Engines