Синтез речи

Dia

Модель, которая озвучивает целые диалоги на два голоса со смехом, вздохами и паузами. Только английский.

Разработчик
Nari Labs, Южная Корея
Первый выпуск
апр 2025
Последний выпуск
ноя 2025
Размеры
1B – 2B
Лицензия
Можно в коммерциюApache 2.0
Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

  • Озвучка диалогов и подкастов
  • Рекламные ролики с живой речью
  • Сценки для обучения

Где применяется

Медиа и подкастыМаркетингОнлайн-обучение

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
подходит
1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
нет версий
КластерСервер с несколькими видеокартами — флагманские версии
нет версий

Версии

  1. Dia2 1B и 2B
  2. Dia 1.6B

Как внедряю у заказчика

  1. ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
  2. УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
  3. ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
  4. ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Похожие модели

Речь в текстVibeVoiceMicrosoft · СШАМожно в коммерцию

Речевые модели Microsoft: синтез длинных диалогов на несколько голосов, быстрый синтез для живого общения и распознавание длинных записей с разделением по говорящим, в том числе на русском.

ПодробнееСинтез речиHiggs AudioBoson AI · СШАКоммерция с условиями

Выразительный синтез речи и диалогов с клонированием голоса, плюс модели распознавания. Третья версия синтеза поддерживает около 100 языков, включая русский, но некоммерческая.

ПодробнееСинтез речиMOSS-TTS / MOSS-TTSDOpenMOSS (Фуданьский университет) · КитайМожно в коммерцию

Семейство синтеза речи: озвучка диалогов на несколько голосов (TTSD), быстрый синтез для живого общения и крошечная Nano. Версия 1.5 поддерживает 30+ языков, включая русский.

Подробнее