dia

一句话说出超逼真对话，情绪到位，不用反复重录

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署音频音乐 🍴 复刻 1691 🐛 待处理 91 👀 关注 162

GitHub ↗

GitHub 星标 ★ 19407

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源模型，Apache-2.0许可证，可免费本地部署使用，无在线服务。

项目预览

项目数据

分类音频音乐

开发团队nari-labs

GitHubhttps://github.com/nari-labs/dia

定价模式🏷️完全免费

价格说明开源模型，Apache-2.0许可证，可免费本地部署使用，无在线服务。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ai,open-weight,text-to-speech

GitHub 星标★ 19407

上线时间2025-04-19 00:00:00

代码更新2025-11-19

仓库体积596 KB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

一款能够一次性生成超逼真对话的 TTS 模型，无需多次迭代即可输出自然流畅、情感丰富的多角色对话语音。非常适合有声剧、播客、游戏配音与对话系统等需要高质量多角色语音的生产场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 19407

技术标签

ai text-to-speech

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 20 分钟部署方式：本地安装 7 步

环境要求

Python 环境（可运行 pip / python）
具备 CUDA 的 GPU（示例代码使用 torch_device = "cuda"）
git（用于克隆仓库与从 GitHub 安装）
可选：uv（README 提供 uv 运行方式）
Hugging Face Transformers（如需用 Transformers 方式运行，require 从 GitHub 安装）

安装与启动步骤

1克隆项目仓库

把 dia 源码拉到本地，后续可编辑安装需要进入该目录操作。
```
git clone https://github.com/nari-labs/dia.git
```
2本地可编辑安装

在仓库目录内执行可编辑安装，README 中 Install via pip 的第一种方式。
```
cd dia
pip install -e .
```
3或不克隆直接安装

README 给出的另一种方式：直接从 GitHub 安装，不克隆仓库。
```
pip install git+https://github.com/nari-labs/dia.git
```
4运行示例脚本

README 安装完成后建议运行示例，验证模型能生成语音。
```
python example/simple.py
```
5启动应用

使用 uv 运行 app.py，需先安装 uv。
```
uv run app.py
```
6使用命令行工具

通过 cli.py 使用命令行方式，README 先以 --help 查看用法。
```
python cli.py --help
```
7Hugging Face 方式

README UPDATE 说明可用 Transformers 运行，需从 GitHub 安装 transformers。
```
uv pip install git+https://github.com/huggingface/transformers.git
```

关键配置

配置项	必填	说明	示例
`model_checkpoint`	是	Hugging Face 上的模型权重仓库名	`nari-labs/Dia-1.6B-0626`
`max_new_tokens`	否	生成的最大新 token 数	`3072`
`guidance_scale`	否	引导强度，影响生成贴合度	`3.0`
`temperature`	否	采样温度，控制随机性	`1.8`
`top_p`	否	核采样阈值	`0.90`
`top_k`	否	top-k 采样保留的候选数	`45`

如何确认成功

运行示例或 app.py 后能正常生成语音；用 Transformers 脚本会保存 example.mp3，能播放即成功。

常见问题

Q：每次运行生成的音色都不一样怎么办？

A：README 说明模型未针对特定声音微调，所以每次音色不同。可通过添加音频提示（audio prompt）或固定随机种子来保持说话人一致。

Q：使用 5000 系列 GPU 报错怎么办？

A：README 提示 5000 系列 GPU 应使用 torch 2.8 nightly，详见项目 issue #26。

Q：如何用 Hugging Face Transformers 运行？

A：先安装 GitHub 版 transformers（uv pip install git+https://github.com/huggingface/transformers.git），再用 DiaForConditionalGeneration 和 AutoProcessor 加载 nari-labs/Dia-1.6B-0626。

Q：没安装 uv 怎么办？

A：可以改用 pip 方式安装和运行，例如 pip install -e . 后运行 python example/simple.py 或 python cli.py --help。