Dia TTS Model

Dia 是由 Nari Labs 开发的 16 亿参数文本转语音模型。
Dia 可直接从文本稿件生成高度逼真的对话。您可基于音频进行条件控制，实现情感与语调调节。该模型还可生成非语言交流内容，如笑声、咳嗽、清嗓等。
为加速研究，我们提供预训练模型检查点及推理代码。模型权重托管于 Hugging Face。目前该模型仅支持英文生成。