Dia 是由 Nari Labs 开发的一个拥有 16 亿参数的文本转语音模型，通过 PytorchModelHubMixin 集成推送到 Hub 上。Dia 可直接根据文字转录生成高度逼真的对话，支持根据音频进行条件生成，从而实现情感和语调的控制。该模型还能生成非语言交流内容，如笑声、咳嗽、清嗓子等。