Dia-1.6B — הדגמה

מה זה

מזינים טקסט ומקבלים קובץ שמע של הדיבור שנוצר. הממשק כולל שדה לטקסט ראשי, אפשרות להעלות דגימת קול של עד עשר שניות כהנחיה קולית, ושדה לתמלול אותה דגימה אם רוצים לכוון את הטון או הדובר.

מאחורי הקלעים רץ המודל nari-labs/Dia-1.6B-0626 בדיוק של float16 דרך ספריית dia. בהגדרות המתקדמות אפשר לשלוט בפרמטרים כמו טמפרטורה, מהירות הדיבור, max new tokens ו־cfg scale. אם אין קובצי דוגמה זמינים בשרת, הממשק פשוט מציג הודעה שאין דוגמאות מוגדרות ומשאיר לכם להזין טקסט לבד.

מתאים ל

• הפקת שמע מתסריט

  מזינים שורות דיאלוג ומקבלים קובץ שמע לבדיקת זרימת הטקסט.

• שכפול סגנון קולי קצר

  מעלים קטע קול של עד עשר שניות כדי להנחות את גוון הדיבור שיווצר.

• כיוונון מהירות וטמפרטורה

  משנים פרמטרים של המודל כדי לבדוק איך קצב הדיבור והאקראיות משתנים.

איפה זה נופל

אם תנסו להעלות דגימת קול באורך של יותר מעשר שניות, המערכת תזרוק שגיאה ותעצור. הקוד גם בודק שקט, כך שאם ההקלטה חלשה מדי היא פשוט תתעלם ממנה. מעבר לכך, המודל מוגבל לגודל של 1.6 מיליארד פרמטרים, ולפעמים תהליך היצירה עלול להיכשל או להחזיר פלט ריק לגמרי בלי תוצאה.

איך מריצים

מקלידים את התסריט בשדה הטקסט, ואם רוצים מעלים קובץ קול קצר להנחיה. לוחצים על Generate Audio וממתינים. החומרה שמוקצת היא zero-a10g, מה שאומר שהמעבד הגרפי נדלק לפי דרישה, כך שייתכן עיכוב של כמה שניות בעלייה הראשונית או בתור לפני שהשמע מופק. אין צורך בהתקנה מקומית כדי להריץ.

pip install -U huggingface_hub
hf download nari-labs/Dia-1.6B

הקבצים

6 קבצים במאגר, 12.0 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• dia-v0_1.pth6.4 GB
• model.safetensors6.4 GB
• README.md6.6 KB
• .gitattributes1.5 KB
• config.json941 B
• preprocessor_config.json172 B

הרישיון

הרישיון של היישום לא דווח בעמוד. המשמעות היא שאין הרשאה ברורה לשימוש מסחרי בקוד או באודיו שנוצר, ואי אפשר לדעת בוודאות מה תנאי השמירה של הקבצים והטקסטים שמועלים לשרת.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗