Toby Kim与Jaeyong Sung

Nari Lab的Dia-1.6B模型通过开源和微调技术实现了高质量的人声对话生成，支持多种音色、语气和效果，目前在单卡配置下每秒可生成约40个token音频。两位韩国学生仅用3个月便自主开发完成此项目，使用谷歌TPU资源训练模型，并计划将其发展为一款完整应用。