Nari Labs AI 介紹 - 開源文字轉語音

AI聲音工具 - Nari Labs AI 介紹 - 開源文字轉語音是什麼? 好用嗎? 評價?

Nari Labs AI 介紹 - 開源文字轉語音

Nari Labs AI 介紹：由兩名本科生打造的開源文字轉語音新標杆

2025年4月，來自南韓的初創團隊Nari Labs正式推出了其自主研發的開源文字轉語音（Text-to-Speech，TTS）模型——Dia，擁有16億參數。該模型在語音自然度、情感表達及非語言交流能力上，超越了市場上多款知名商業產品，如ElevenLabs Studio與Sesame的開源模型，迅速在GitHub及Hugging Face平台引發熱烈關注，成為開源語音合成領域的新標杆。

Nari Labs的誕生與團隊背景

Nari Labs由兩名南韓本科生創立，其中一人目前仍在服兵役，團隊規模極小且無外部融資支持。創始人Toby Kim表示，團隊受到Google NotebookLM去年推出的播客功能啟發，決心打造一款更靈活、更自然的語音合成模型。憑藉對JAX、Flax框架及分布式計算技術的自學，僅用三個月時間便完成了Dia模型的訓練，展現出驚人的技術實力與創新精神。

Dia模型的技術特點與優勢

• 高自然度語音合成
  Dia能生成接近真人對話的語音，語調自然流暢，節奏感強，聲音表情豐富，能夠根據文本內容調整情感色彩。

• 多樣化非語言交流
  除了語音外，Dia還能合成笑聲、咳嗽聲、清嗓子等非語言音效，使對話更具真實感與互動性。

• 開源與易用性
  Dia模型及推理代碼已完全開源，支持在Windows與Linux系統上運行，最低需求為Python 3.8以上及Nvidia RTX 3080 GPU，並可通過Hugging Face Space在線試用。

• 與主流模型的比較優勢
  Dia在多項指標上超越ElevenLabs Studio及Sesame CSM-1B，尤其在情感表達與語音節奏的自然度方面表現突出。

開源生態與社群反響

Dia發布48小時內，GitHub星標數迅速突破7,800顆，成為Hugging Face上最受歡迎的TTS模型之一。社群用戶對其高品質語音合成能力給予高度評價，並積極參與模型優化與應用拓展。Nari Labs也計劃將Dia打造為面向消費者的B2C應用，支持生成趣味對話與混音內容，拓展更多創意場景。

未來發展與挑戰

儘管Dia已取得初步成功，Nari Labs團隊仍面臨計算資源有限、模型多語言支持不足等挑戰。團隊計劃持續優化模型架構，提升生成速度與音質，並拓展更多語言版本，力求打造全球領先的開源語音合成平台。

此外，隨著AI語音技術在播客、有聲書、虛擬助手等領域的廣泛應用，Nari Labs的技術創新將為相關產業帶來深遠影響，推動語音交互體驗邁向更高水平。

---

總結而言，Nari Labs憑藉兩名本科生的堅持與創新精神，成功打造出具備16億參數的高品質開源文字轉語音模型Dia，突破了現有商業語音合成產品的技術瓶頸。這不僅展示了新一代AI創業者的強大實力，也為全球語音合成技術的開放與普及樹立了新標準。隨著持續發展，Nari Labs有望成為推動AI語音技術革新的重要力量。

立即試用