许可证：apache-2.0
任务类型：文本转语音
支持语言：

• 英文
  标签：
• 模型中心混合
• PyTorch模型中心混合

交互示例：

• 文本：
  [S1] Dia是一款开源权重的文本对话模型。[S2] 您可以完全掌控脚本和语音。[S1] 哇，太棒了。（笑声）[S2] 立即在GitHub或Hugging Face上尝试吧。
  标题：Dia简介
• 文本：
  [S1] 着火了！天哪！该怎么办？大家快想办法！烟雾可能正通过通风管道扩散！[S2] 老天！好吧...真的发生了。所有人保持冷静！[S1] 应急流程是什么...[S2] 所有人都他妈给我冷静！！！...全都给我镇定下来！！！！！[S1] 别碰门把手！如果发烫，走廊那头可能起火了！
  标题：恐慌应对

量化版Dia 1.6B（INT8动态）

这是nari-labs/Dia-1.6B的动态int8量化版本，采用动态量化技术以实现更轻量级部署和更快推理。

原始模型：float16，约6.4GB
量化模型：int8动态，约6.4GB，推理速度提升约20%

‚ö°Ô∏è 快速开始

以下命令将启动Gradio交互界面：

git clone --branch int8-dia https://github.com/RobertAgee/dia.git
cd dia && uv run app.py

若未安装uv：

git clone --branch int8-dia https://github.com/RobertAgee/dia.git
cd dia
python -m venv .venv
source .venv/bin/activate
pip install uv
uv run app.py

由RobertAgee和RobAgrees上传

使用PyTorch动态量化在Google Colab中自动完成量化

原始说明文档：

Dia是由Nari Labs开发的16亿参数文本转语音模型，通过PytorchModelHubMixin集成推送至Hugging Face。

Dia可直接从文本生成高度逼真的对话，支持通过音频输入控制情感和语调，还能生成非语言表达如笑声、咳嗽、清嗓等。模型权重托管于Hugging Face，目前仅支持英文生成。

我们提供了演示页面对比ElevenLabs Studio和Sesame CSM-1B的效果。

• （更新）ZeroGPU空间已上线！立即体验这里
• 加入Discord社区获取支持
• 体验增强版Dia：加入等候列表

功能特性

• 通过[S1]和[S2]标签生成对话
• 支持非语言表达如(笑声), (咳嗽)等
• 语音克隆功能（参见示例代码）

硬件要求

需GPU支持（PyTorch 2.0+，CUDA 12.6），完整版需约10GB显存。量化版本即将推出。

免责声明

本模型严禁用于：身份冒用、虚假内容生成、非法活动等用途。使用者需承担全部法律责任。

未来计划

• 支持Docker
• 优化推理速度
• 增加内存优化量化

致谢

• 感谢Google TPU研究云计划提供算力支持
• 灵感来源于SoundStorm、Parakeet等项目
• HuggingFace提供ZeroGPU资助
• "Nari"在韩语中意为百合花