منصوبے کے بارے میں

Dia ایک 1.6B پیرامیٹر والا ٹیکسٹ ٹو اسپیچ ماڈل ہے جسے Nari Labs نے بنایا ہے۔ یہ ٹرانسکرپٹ سے براہ راست انتہائی حقیقت پسندانہ مکالمہ پیدا کرتا ہے، [S1] اور [S2] ٹیگز کے ذریعے متعدد اسپیکرز کی حمایت کرتا ہے۔ یہ ماڈل غیر زبانی ابلاغ جیسے ہنسی، کھانسی، آہ بھرنا، اور گلا صاف کرنا پیدا کرسکتا ہے۔ صارفین جذبات، لہجے کے کنٹرول، اور آواز کلوننگ کے لیے آڈیو پرامپٹس پر آؤٹ پٹ کو مشروط کرسکتے ہیں۔ یہ پروجیکٹ ہگنگ فیس پر پہلے سے تربیت یافتہ ماڈل چیک پوائنٹس، انفرنس کوڈ، Gradio UI، CLI، اور Transformers انٹیگریشن فراہم کرتا ہے۔ فی الحال، یہ ماڈل صرف انگریزی جنریشن کی حمایت کرتا ہے۔ RTX 4090 پر بینچ مارک نتائج درستگی اور کمپائلیشن کے لحاظ سے x0.9 سے x2.2 تک ریئل ٹائم عوامل دکھاتے ہیں، جس میں VRAM کا استعمال 4.4GB سے 7.9GB کے درمیان ہے۔ یہ پروجیکٹ Apache 2.0 لائسنس کے تحت ہے اور تحقیق اور تعلیمی استعمال کے لیے ہے، جس میں شناخت کے غلط استعمال، فریب کاری والے مواد، اور غیر قانونی سرگرمیوں کے خلاف پابندیاں ہیں۔