Dia 1.6B: TTS open source per dialoghi a due voci, con risate e colpi di tosse
In una frase Il 21 aprile 2025 Nari Labs pubblica Dia, modello text-to-speech da 1,6 miliardi di parametri con licenza Apache 2.0 che genera dialoghi tra due parlanti da un copione, con suoni non verbali come (laughs) o (coughs) e clonazione della voce da un breve audio di riferimento. Solo inglese.
Le voci sintetiche sono migliorate molto, ma i dialoghi suonano spesso finti: due persone che parlano ridono, sospirano, si schiariscono la voce.
Dia di Nari Labs genera direttamente un dialogo a due voci a partire da un copione. Si indicano i parlanti con [S1] e [S2] e si inseriscono suoni non verbali tra parentesi tonde, come (laughs), (sighs) o (coughs): il modello li produce nel flusso del parlato. Fornendo un audio di riferimento con la relativa trascrizione si puo' imitare una voce.
Il modello ha 1,6 miliardi di parametri, licenza Apache 2.0, e gira in locale su una GPU consumer. Per ora parla solo inglese. Dietro c'e' un team minuscolo: un ricercatore a tempo pieno e uno part-time, con calcolo fornito dal programma Google TPU Research Cloud. Nari Labs lo confronta nella sua pagina demo con ElevenLabs Studio e Sesame CSM-1B.
Aziende
Nari Labs
Tool
Dia
Tag
Fonti