dia

Dia 是一个端到端单次推理的对话级文本转语音（TTS）模型，支持生成高度自然、富有表现力的双人英语对话。其核心能力包括：基于角色标记（[S1]/[S2]）自动建模对话交互节奏；通过音频条件控制语调与情感；原生支持笑声、咳嗽等非言语发声建模。模型采用开源权重设计，已集成至 Hugging Face Transformers 生态，提供零GPU在线演示。适用于虚拟助手对话合成、有声内容批量生成、AI 角色配音及语音研究等需要高保真多说话人语音输出的场景。