​兩名本科生打造 AI 語音模型，挑戰谷歌 NotebookLM

在 AI 語音生成領域，競爭正變得愈發激烈。近日，來自韓國的兩名本科生合夥創建了一款名爲 Dia 的 AI 語音模型，聲稱其功能可與谷歌的 NotebookLM 相媲美。儘管這兩位創始人在 AI 領域的經驗尚淺，但他們在短短三個月內，成功開發出一款開放獲取的語音生成工具。

Dia 的訓練依賴於谷歌的 TPU Research Cloud 項目，該項目爲研究人員提供免費的 TPU AI 芯片使用權限。Dia 模型擁有1.6億個參數，能夠根據給定的腳本生成對話。用戶還可以自由定製發言人的語調，並插入諸如咳嗽、笑聲等非語言提示。參數越多，通常意味着模型的性能越好。

Dia 目前可通過 AI 開發平臺 Hugging Face 和 GitHub 獲取，適用於大多數配備至少10GB VRAM 的現代個人電腦。在未提供具體風格描述時，Dia 會生成隨機的聲音，但用戶也可以使用該模型進行聲音克隆。

在 TechCrunch 的初步測試中，Dia 表現良好，能夠毫無障礙地生成關於各種主題的雙向對話，語音質量與市面上其他工具相當。值得注意的是，Dia 的聲音克隆功能也是記者嘗試過的最簡單易用的之一。

然而，Dia 在保障措施方面的不足引發了一些擔憂。用戶可以輕易利用該工具製作虛假信息或欺詐錄音。儘管 Nari 在 Dia 的項目頁面上呼籲用戶不要利用模型進行欺詐或其他非法活動，但他們也表示不對模型的濫用行爲負責。此外，Nari 尚未披露用來訓練 Dia 的數據來源，這意味着其可能使用了受版權保護的內容，相關法律問題依然複雜。

Nari Labs 的創始人 Toby Kim 表示，他們計劃在 Dia 的基礎上，構建一個具有 “社交特性” 的合成語音平臺，並希望在未來支持更多語言。Nari 還計劃發佈 Dia 的技術報告，以進一步擴大其影響力。

項目：https://github.com/nari-labs/dia

劃重點:

🌟 由兩名本科生創建的 AI 語音模型 Dia，可以生成對話並支持聲音克隆。  

🚀 Dia 使用谷歌的 TPU Research Cloud 進行訓練，具備1.6億個參數，適用於現代 PC。  

⚠️ 模型存在安全隱患，Nari 不對濫用行爲負責，並未披露訓練數據的來源。