Medium
速度
Excellent
质量
是 是
克隆
1
语文
关于 Dia Dia 中
纳里实验室的Dia是一个1.6B参数,以文本为主的语音模式。它擅长于产生自然对话演讲,支持非语言声音,如笑声、叹息和咳嗽。 Dia支持多语者对话的产生和声音克隆,从5-10秒的音频参考,让它成为创造现实的交谈和性格声音的理想。
关键特征
对话框生成
产生自然的多语者对话 与不同的声音和转弯。
音响
加上自然的单语表达法
语音克隆
以5 -10秒的音频 来打开任何声音 来进行个性化演讲
自然对话
1.6B参数产生高度自然的交锋和交锋。
使用案例
对话和对话
多字符音频书制作
游戏字符声音
播客和内容制作
如何使用 Dia Dia 中
-
1
注册或打开演示
创建免费的 TextToSpeechAI 账户来申请您的启动贷款, 或者打开无签名演示, 以便立即尝试 Dia 对话框 。
-
2
选择 Dia 引擎
在 TTS 仪表板上, 从引擎列表中选择 Dia 。 Dia 是面向对话的超层模型, 配有多发音和语音支持 。
-
3
使用标签写入对话框脚本
使用[S1]和[S2]来标记每个发言者转弯, 并投下非语言标签, 如[笑 、[叹 、[咳 或(喘, 或(喘 ) 想要自然反应。
-
4
生成音频
单击生成可发送您的 Dia 脚本到主机 GPUs 。 Dia 将双声带对话框与转接和您非语言标记转换成单一音频文件 。
-
5
下载或调用 API
以您选择的格式下载已完成对话框,或将相同的 [S1]/[S2] 脚本张贴到 TextToSpeechAI API 上,并用您的账户符号将其自动化。
Dia Dia 中 API AIP AIPI AIP
以TextToSpeechAIREST API 生成有计划的语言。
curl -X POST "https://api.texttospeechai.com/v1/generate/" \
-H "Authorization: Bearer YOUR_API_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"text": "你好,你今天好吗?",
"voice": "en_US-lessac-medium"
}'常问问题
Dia是纳里实验室的1.6B参数,以对话为导向,以文本换语音模式,专门制作自然谈话演讲,支持多位发言者、非语言声音和语音克隆。
是的,Dia完全是Apache 2. 0的许可使用,包括代码和模型重量,可以自由用于商业应用。
Dia目前只支持英语, 模型被优化为英语自然谈话演讲。
Dia 需要大约 10GB VRAM 的1.6B 参数模型。 推荐一个至少12GB的 GPU 进行舒适操作。 在TextToSpeechAI 时, 所有这些运行都在我们的主机 GPU上, 因此您不需要自己的硬件 。
对话正是Dia的目的所在。通过交替[S1]和[S2]翻转你的脚本,Dia TTS产生了一个流畅的双声带对话,有不同的声音和现实的转接,用单声带TTS模型很难实现。
将您的脚本的每行前缀[S1]或[S2],以标记谁在说话。Dia在对话动作中为每个标签和它们之间的开关指定一个一致的语音,所以[S1]和[S2]作为对话中的两个字符。
是的。 Dia支持声音克隆,从大约5-10秒的清洁参考音频开始,让您重新使用一个特定的声音来为发言者说话。你可以将克隆与[S1]/[S2]标记结合起来,这样对话中的每个字符听起来都像你克隆的声音。
迪亚(Dia)把自然的单语言声音((annex))与语言(usual languusistic sounds)混入了演讲而不是语言。 将标签放在你想的反应位置上 — — 比如“[S1],这很搞笑 ” — —让对话更能感觉到人性。
Dia和Bark都支持表达非语言声音,但Dia是专门为多语对话而设计的,与[S1]/[S2]转接和语音克隆。选择Dia为现实的两个人交谈和性格工作;当需要用更广义的语言进行单声道叙述时,Bark更适合。
Dia是一个超层引擎, 所以它每1,000个生成的语音字符要花费50分。 超层反映了1.6B 更大的模型和它用于高质量对话的 ~ 10GB GPU 内存。
是的。 新的TextToSpeechAI账户包括免费启动贷款, 并且有一个演示, 您可以在不签名的情况下运行。 这足以在决定付款计划之前生成一个与 [S1] / [S2] 标签的短 Dia 对话框 。
是的。一旦您在账户页面上找到 API 符号,您就可以向TextToSpeechAI REST API 的“Dia 对话框”脚本,包括[S1]/[S2] 转转和标签,如[笑],并用程序下载由此产生的音频。
Technical Specs
- Generation Speed Medium
- Output Quality Excellent
- Voice Cloning Supported
- Languages 1
- GPU VRAM 10GB
- Credits/1000 chars 50