Dia AI：一款拥有1.6亿参数，Nari Labs研发的轻量级文本到语音AI模型

Dia AI是Nari Labs研发的轻量级文本到语音模型，拥有1.6亿参数，可直接将文本转化为高逼真度对话语音。该模型支持情感与语调精准控制，还能生成笑声、咳嗽等非言语交流音效，预训练模型权重托管于Hugging Face平台，目前适配英语语音生成，是推动对话生成技术发展的重要工具，可免费用于研究与教育场景。

Dia AI功能特点：

1、对话语音生成：

支持多说话者对话生成，通过[S1]、[S2]标签清晰区分不同说话者，还原对话场景。

2、非言语音效融合：

可生成（笑）、（咳嗽）等非言语交流音效，让语音表达更贴近真实人际沟通。

3、便捷语音克隆：

支持上传音频文件实现语音克隆，快速复刻目标音色，满足个性化语音需求。

4、可视化交互操作：

提供Gradio UI操作界面，无需复杂命令行操作，用户交互简单直观。

5、开源研究友好：

提供预训练模型权重与推理代码，降低研究门槛，助力对话生成技术相关探索。

6、情感语调可控：

通过音频条件化输出功能，精准控制语音的情感倾向与语调变化，适配不同使用场景。

7、稳定音色一致性：

支持生成多种音色的语音，且同一说话者的语音输出保持高度一致性，无音色断层。

8、企业级实时生成：

在企业级GPU环境下可实现音频实时生成，满足高时效开发与应用需求。

Dia AI使用场景示例：

1、虚拟助手开发：

生成自然逼真的虚拟助手对话语音，支持情感语调定制，提升人机交互体验。

2、游戏音效制作：

为游戏角色创建多样化、个性化的语音内容，同时搭配非言语音效，丰富角色表现力。

3、教育内容制作：

快速制作教育视频的语音解说，语音自然度高，适配各类知识讲解场景。

Dia AI使用教程：

1、从GitHub克隆项目代码库：

git clone https://github.com/nari-labs/dia.git

2、进入项目根目录：

cd dia

3、安装项目所需依赖包：

pip install -e .

4、启动Gradio可视化操作界面：

`python app.py

5、在打开的UI界面中输入目标文本，按需设置参数后，直接生成对应音频。

进入Dia AI官网入口