Dia1.6-Portuguese
This is a fine-tuned version of the Dia 1.6B text-to-audio model, adapted for Brazilian Portuguese using the CETUC speech dataset.
🗣️ About the Model
- 🧠 Base Model: Dia 1.6B
- 📦 Dataset: CETUC — 144 hours of Brazilian Portuguese speech (100 speakers)
- 📝 Transcription: Performed using Whisper V3 Turbo + Pyannote diarization
- 🔁 Training: 140,000 steps (~1.4 epochs) on a single speaker subset
- ⏱️ Hardware: Trained on a single NVIDIA RTX 4090 (≈ 20 hours total)
- 🎙️ Speaker Token:
[S1](only one speaker present) - ⚠️ Note: This model has lost the original English and expressive capabilities (e.g., laughter, emotions) and focuses exclusively on clean Brazilian Portuguese speech synthesis.
- 📺 More Info: Video in Portuguese about the fine-tuning process
🧪 Versions
| Version | Description | File |
|---|---|---|
v1 |
Fully fine-tuned on Portuguese | Dia1.6-Portuguese-v1.pth |
v1-safetensors |
Same model as above in .safetensors format |
Dia1.6-Portuguese-v1.safetensors |
v1-merged-alpha0.6 |
Merged with original Dia weights using alpha = 0.6 |
Dia1.6-Portuguese-v1-merged.pth |
v1-merged-alpha0.6-safetensors |
Merged version in .safetensors format |
Dia1.6-Portuguese-v1-merged.safetensors |
📁 Files
config.json: Dia model configurationDia1.6-Portuguese-v1.pth: Full fine-tuned modelDia1.6-Portuguese-v1.safetensors: Same as above, but in safetensors formatDia1.6-Portuguese-v1-merged.pth: Merged version (alpha=0.6)Dia1.6-Portuguese-v1-merged.safetensors: Merged version in safetensors format
▶️ Audio Samples
| Prompt | Audio Samples |
|---|---|
Ex. 1[S1] Às vezes, tudo o que você precisa é respirar fundo e lembrar que nem tudo precisa ser resolvido hoje. A calma também é uma forma de seguir em frente. |
🎧 Original (Failed to generate) 🇧🇷 PT Only 🔀 Merged 0.6 |
Ex. 2[S1] Eu lembro exatamente da primeira vez que ouvi minha própria voz gerada por IA. Foi estranho, quase surreal. Mas ao mesmo tempo, foi incrível perceber até onde a tecnologia já chegou. |
🎧 Original 🇧🇷 PT Only 🔀 Merged 0.6 |
Ex. 3[S1] Era uma vez um menino chamado Leo que adorava olhar para o céu. Todas as noites ele subia no telhado de casa com seu velho binóculo e ficava horas tentando contar as estrelas. Um dia, ele viu algo diferente. Não era um avião, nem um satélite. Era uma luz que piscava lentamente, mudando de cor. No dia seguinte, ninguém acreditou nele. Mas Leo sabia o que tinha visto. E naquela noite, a luz voltou. Só que dessa vez, ela piscou duas vezes... como se estivesse respondendo. |
🎧 Original 🇧🇷 PT Only 🔀 Merged 0.6 |
Ex. 4[S1] Cara, sério... esse setup ficou simplesmente insane. Nunca vi uma configuração tão limpa! |
🎧 Original 🇧🇷 PT Only 🔀 Merged 0.6 |
Ex. 5[S1] Aproveite agora a promoção especial da semana. São até cinquenta por cento de desconto em produtos selecionados, por tempo limitado. Corra e garanta o seu antes que acabe. |
🎧 Original 🇧🇷 PT Only 🔀 Merged 0.6 |
Ex. 6[S1] Se você ainda não testou esse modelo, tá perdendo tempo. (laughs) Ele é rápido, leve e roda até em máquina fraca. Sério, eu não esperava tanto desempenho em algo open source. |
🎧 Original 🇧🇷 PT Only 🔀 Merged 0.6 |
Ex. 7[S1] Acredite: ninguém no mundo tem exatamente o que você tem. Sua visão, sua voz, sua forma de enxergar as coisas. Isso já é suficiente pra começar. |
🎧 Original 🇧🇷 PT Only 🔀 Merged 0.6 |
Ex. 8[S1] Você diz que quer mudar, mas continua fazendo tudo igual. Quer resultado novo com atitude velha? Não funciona. O mundo não vai parar pra te esperar, e a oportunidade não fica batendo na porta pra sempre. Ou você levanta agora e faz o que precisa, ou aceita viver sempre no quase. |
🎧 Original 🇧🇷 PT Only 🔀 Merged 0.6 |
Ex. 9[S1] Você vai desistir agora? Depois de tudo que já passou?[S2] (sighs) Eu tô cansado. Nada parece dar certo.[S1] Cansado todo mundo fica. Mas você não chegou até aqui por sorte.[S2] (pause) Eu só... não sei se ainda consigo.[S1] Consegue sim. Você já levantou antes. (inhales) Levanta de novo.[S2] (exhales) Tá certo. Não acabou enquanto eu não disser que acabou.[S1] Isso. Agora vai lá e faz o que tem que ser feito. |
🎧 Original 🇧🇷 PT Only 🔀 Merged 0.6 |
Ex. 10[S1] Welcome back to the channel! Today, I’m going to show you how to turn basic text into realistic speech using open-source tools. It’s easier than you think, and by the end of this video, you’ll be able to generate your own voiceovers like a pro. |
🎧 Original 🇧🇷 PT Only 🔀 Merged 0.6 |
🏷️ Tags
tts, portuguese, finetuned, text-to-audio, CETUC, Dia, speech-synthesis, huggingface, audio-generation
📜 License
Apache 2.0 — same as the original Dia model.
🙏 Acknowledgements
- Original model by nari-labs
- Brazilian Portuguese dataset from CETUC
- Transcription with Whisper V3 Turbo and Pyannote
- Fine-tuning scripts by stlohrey/dia-finetuning
- Custom training scripts, dataset preparation, and model adaptation by alisson-anjos