定義
Diaとは、米Nari Labsが開発したオープンソースの対話音声合成AIモデルで、台本から笑い声や咳払いなどの非言語音まで一括生成できる技術のことである。
Dia (対話音声合成)とは（詳しく解説）
Diaとは、韓国発のスタートアップNari Labsが公開した16億パラメータのオープンソース対話音声合成モデルのこと。台本テキストを渡すだけで話者交代を含む自然な掛け合いを一パスで生成でき、[laughs]や[coughs]のようなタグで笑い声や咳払いなど非言語音も表現できる点が業界標準のTTSと一線を画すとされる。音声プロンプトを与えれば声質や感情のトーンを条件付けできる音声クローン的な使い方も可能で、Apache 2.0ライセンスの下GitHubとHugging Faceで無償公開されている。2026年時点の実運用では英語のみの対応で日本語生成は非対応な点が現場での最大の落とし穴で、日本語案件にはそのまま使えない。自前でGPUホスティングする場合はVRAM10GB前後が目安となり、商用APIのような従量課金は発生しない代わりにインフラ費用と運用の手間がコストとして乗る。相場感で比べるとElevenLabsなど商用対話音声APIより導入の初期ハードルは高いが、ランニングコストを抑えたい開発者やリサーチ用途での選択肢として現場で注目されている。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「Dia (対話音声合成)とは」 https://aipicks.jp/glossary/dia-tts
Dia (対話音声合成)の使用例
- ポッドキャスト風の掛け合い台本をDiaに読み込ませ、[laughs]タグ入りで自然な笑い声付き音声を生成する使い方。
- ゲームNPCのセリフ台本を音声プロンプトで声質指定しながら一括音声化する検討用途。
