IT之家 4 月 24 日消息，由兩名韓國(guó)研究者組建的 Nari Labs 工作室于前天在 GitHub 和 Hugging Face 開(kāi)源了擁有 16 億參數(shù)的文字轉(zhuǎn)語(yǔ)音 AI 模型 Dia，目前相應(yīng)模型已在 GitHub 上收獲了超過(guò) 9300 顆星標(biāo)，IT之家附項(xiàng)目 GitHub 頁(yè)如下：https://github.com/nari-labs/dia

相應(yīng)研究者聲稱 Dia 的音質(zhì)相對(duì)于業(yè)界的文字轉(zhuǎn)語(yǔ)音模型擁有更靈活的自由度，同時(shí)在生成的語(yǔ)音自然度方面超越了 ElevenLabs Studio、Sesame 等競(jìng)品。其支持對(duì)輸出音頻的音色、情緒和語(yǔ)調(diào)進(jìn)行精細(xì)調(diào)節(jié)，還能模擬各種非語(yǔ)言交流（如大笑、咳嗽或清嗓子等）。

官方對(duì)比測(cè)試顯示，Dia 在聲調(diào)自然度、表情豐富度和語(yǔ)音節(jié)奏感方面，均優(yōu)于專注自然語(yǔ)音合成的 ElevenLabs Studio 以及 Sesame 推出的對(duì)話語(yǔ)音模型 CSM-1B。

目前，Dia 僅支持英文，需要英偉達(dá) RTX 3080 及以上顯卡才能本地部署運(yùn)行，不過(guò)用戶也可以在 Hugging Face Spaces 線上平臺(tái)中在線使用。Nari Labs 表示，后續(xù)將推出面向普通消費(fèi)者的一鍵部署服務(wù)，進(jìn)一步降低使用門(mén)檻，讓更多人無(wú)縫體驗(yàn)高質(zhì)量文本轉(zhuǎn)語(yǔ)音技術(shù)。

廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。