本文へスキップ

Dia AI

話者タグと非言語音声を備えた対話生成 TTS モデル

公式サイトを見る

Dia AI とは

Dia は Nari Labs によるテキスト読み上げの TTS モデルと紹介され、1.6 億パラメータで文章から直接対話を生成する。事前学習済みの重みは Hugging Face に置かれ、資料に挙がる生成対象は英語と説明されている。

できること

  • [S1] と [S2] のタグで話者を分ける
  • 笑いや咳などの非言語音声を生成する
  • 音声をアップして声を複製する
  • 音声による条件付けで感情と抑揚を制御する

活用場面

  • 仮想アシスタントの対話内容を生成する
  • ゲームのキャラクターに多様な音声を作る
  • 教育動画の音声解説を作る

導入の手順

  • GitHub からリポジトリをクローンする
  • クローンしたディレクトリに移る
  • 依存関係をインストールする
  • Gradio UI を起動する

長所と短所

✓ 良い点

  • 音声による条件付けで感情と抑揚を制御できる
  • 操作用の Gradio UI が用意される

! 注意したい点

  • 資料に挙がる生成対象は英語
  • 導入手順は GitHub のリポジトリのクローンと依存関係の導入を含む

よくある質問

話者はどう分ける?

資料は [S1] と [S2] のタグを挙げる。

事前学習済みの重みはどこ?

資料は Hugging Face に置かれると説明。

最終評価日: 2026-11-15

その他 AIオーディオツール ツール

すべて見る →

評価方法