文本转语音（TTS）领域又迎来一位重磅新星！
由 Nari Labs 开发的 Dia-1.6B 以其超逼真的对话生成能力引发热议，仅开源两天便在 GitHub 收获 6.5K+ Star！
据说其能力超越了 ElevenLabs 和 Sesame，仅凭借 1.6B 参数就可实现情感控制、非语言声音（如笑声、咳嗽）和零样本声纹克隆，运行效率惊人。
支持从文本脚本生成多角色对话，通过 [S1]、[S2] 标签区分角色，生成自然语音，并支持非语言表达和声纹克隆，目前仅限英语。
它在 Hugging Face 也提供了模型权重和 Gradio Demo 体验。
主要功能
• 多角色对话生成：使用 [S1]、[S2] 等标签区分角色，单次生成多角色对话，保持自然节奏和情感过渡。 • 拟人化表达：支持笑声(laugh)、叹气(sigh）、咳嗽(cough)等非语言情绪 • 零样本声纹克隆：可微调或指定语音风格，克隆用户或角色声音 • 高质量语音合成：音质媲美 ElevenLabs、Sesame，细节自然，情绪变化真实 • 实时推理速度：A4000 显卡上约 40 tokens/s，体验流畅无等待 • Gradio 界面支持：自带可用的 Web UI 界面，输入文本立即试听
快速上手
Dia-1.6B 官方实验室提供了详细安装指南和 Gradio 演示。
在线体验：
无需配置环境，打开 Hugging Face Demo 即可输入脚本或音频试听效果：
Demo：https://huggingface.co/spaces/nari-labs/Dia-1.6B
安装部署与使用步骤：
1、克隆项目
git clone https://github.com/nari-labs/dia.git
cd dia2、创建虚拟环境
python -m venv .venv
source .venv/bin/activate3、安装依赖
pip install -e .
4、启动 Gradio UI
python app.py
访问 http://localhost:7860，输入脚本或上传音频，生成对话。
示例脚本：
[S1] Dia is amazing! [S2] Yeah, it generates laughs too! (laughs)
还可以通过 Python 包安装 Dia 的API
# Install directly from GitHub
pip install git+https://github.com/nari-labs/dia.gitPython 调用示例：
import soundfile as sf
from dia.model import Dia
model = Dia.from_pretrained("nari-labs/Dia-1.6B")
text = "[S1] Dia is an open weights text to dialogue model. [S2] You get full control over scripts and voices. [S1] Wow. Amazing. (laughs) [S2] Try it now on Git hub or Hugging Face."
output = model.generate(text)
sf.write("simple.mp3", output, 44100)后续也将推出 pypi包和CLI工具。
使用场景推荐
• 有声读物 / 小说播报：让不同角色“开口说话”，配合情绪词还原真实语境 • 播客配音：快速合成带感情、有风格的访谈类语音 • AI 角色扮演：配合 Agent，多角色模拟对话系统 • TTS 研究与微调：声音克隆、情绪控制、非语言表达
