GitHubDaily(@GitHub_Daily ):一款超逼真的文本转语音生成模型：Dia-1.6B，号称超越 ElevenLabs 和 Sesame。仅仅只有 1.6B 参数，能直接从文本生成高度逼真的对话，还支持控制情感和语调，甚至可以生成笑声、咳嗽等非语言声音。 GitHub：https://t.co/7zLQ8Mja1J 模型下载：https://t.co/E6B82FYmho 主要特性： - 通过 [S1] 和 [S2] 标签控制生成多角色对话； - 支持生成笑声、清嗓子、叹息等非语言表达； - 提供声音克隆功能，可复制特定声音风格； - 实时生成，A4000 GPU 上约 40 tokens/s。提供 Gradio UI 界面，操作简单易上手，同时还可以在 Hugging Face 上在线体验。

GitHubDaily

@GitHub_Daily

💡 挖掘开源的价值 🧑🏻‍💻 坚持分享 GitHub 上高质量、有趣、实用的教程、AI工具、前沿 AI 技术 🧐 A list cool, interesting projects of GitHub. ✏️ 公众号：GitHubDaily

Joined May 2023

166 Following 21.8K Followers

GitHubDaily@GitHub_Daily

2025.04.23 10:00

一款超逼真的文本转语音生成模型：Dia-1.6B，号称超越 ElevenLabs 和 Sesame。仅仅只有 1.6B 参数，能直接从文本生成高度逼真的对话，还支持控制情感和语调，甚至可以生成笑声、咳嗽等非语言声音。 GitHub：https://t.co/7zLQ8Mja1J 模型下载：https://t.co/E6B82FYmho 主要特性： - 通过 [S1] 和 [S2] 标签控制生成多角色对话； - 支持生成笑声、清嗓子、叹息等非语言表达； - 提供声音克隆功能，可复制特定声音风格； - 实时生成，A4000 GPU 上约 40 tokens/s。提供 Gradio UI 界面，操作简单易上手，同时还可以在 Hugging Face 上在线体验。