开源TTS领域迎来重磅新星！Dia-1.6B：超逼真对话生成，开源2天斩获6.5K Star！

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 dia

2、创建虚拟环境

python -m venv .venv
source .venv/bin/activate

3、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.git

Python 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