Le TTS open source Dia de Nari Labs a atteint 100 000 téléchargements en deux semaines

Nari Labs est une startup de Séoul composée de deux personnes qui développe un système de synthèse vocale open source : son modèle phare Dia (1,6 milliard de paramètres, Apache-2.0) transforme un dialogue scénarisé à plusieurs locuteurs en audio, en permettant aux utilisateurs d'étiqueter des émotions et des indices non verbaux comme des rires et des toux.

Une équipe de deux personnes s'entraînant sur des TPU Google gratuits pouvait open-sourcer un TTS de 1,6 milliard de paramètres dont l'émotion, les rires et les toux contrôlables surpassent ElevenLabs et NotebookLM.

Aucun financement levé : les fondateurs affirment que Dia a été construit sans financement externe, en utilisant le TPU Research Cloud de Google et la subvention ZeroGPU de Hugging Face (VentureBeat, 2025-04).

Toby Kim (Université nationale de Séoul) et Seong Jae-yong (KAIST) ont commencé à apprendre l'IA vocale environ trois mois avant le lancement. Inspirés par la fonction podcast de NotebookLM, ils voulaient davantage de contrôle sur les voix et plus de liberté dans le script ; après avoir essayé toutes les API TTS commerciales et n'en avoir trouvé aucune qui ressemblait à une vraie conversation humaine, ils ont fondé Nari Labs et se sont entraînés sur le TPU Research Cloud gratuit de Google.

En avril 2025, ils ont publié Dia sous Apache-2.0 : 1,6 milliard de paramètres, des balises de locuteur comme [S1]/[S2], et des indications telles que (laughs) et (coughs) rendues comme un son réel. Il fonctionne sur des PC disposant d'environ 10 Go de VRAM. TechCrunch et VentureBeat en ont parlé en moins d'une semaine ; Hankyung TV a rapporté que les téléchargements avaient dépassé 100 000 en deux semaines, et les médias coréens ont qualifié cette vague de « K-deep voice », avec des éloges de Clem Delangue, PDG de Hugging Face, du professeur de Wharton Ethan Mollick et du capital-risqueur Deedy Das.

Aucun tour de financement n'a été annoncé ; le dépôt a atteint 17 500 étoiles GitHub au 2025-07-21 (ROSS Q3-2025) et un récapitulatif de 2026 classe encore Dia parmi les cinq meilleurs modèles TTS open source. Le plan des fondateurs reste une plateforme vocale grand public avec une couche sociale.

La contrainte des TPU gratuits a imposé un pari sur un petit modèle : 1,6 milliard de paramètres tenant sur un GPU grand public, où la contrôlabilité, et non l'échelle, est le facteur différenciant.

Ils visaient le vide négligé par les acteurs en place — la liberté de script et la restitution non verbale — là où les sorties de NotebookLM et d'ElevenLabs semblaient artificielles.

L'open source sous Apache-2.0 a fait des téléchargements et des étoiles GitHub le budget marketing, leur valant une couverture que les deux étudiants n'auraient pas pu acheter.

Une équipe de deux personnes a livré rapidement : de la première exposition au lancement, il s'est écoulé environ trois mois, restant en avance sur les cycles de publication des grands laboratoires.

Une comparaison audio côte à côte avec ElevenLabs et Sesame a transformé une affirmation de qualité en preuve que les journalistes et les auditeurs pouvaient vérifier eux-mêmes.

Quand le capital est rare, choisissez le goulot d'étranglement que les acteurs en place monétisent — le contrôle expressif — et abandonnez le fossé : des poids ouverts ont fait de deux étudiants le point de référence.

Au 2026-09-04, aucun tour de financement ni lancement de plateforme payante n'a été annoncé. Le projet open source a porté la visibilité de l'entreprise : ROSS Q3-2025 a enregistré 17 500 étoiles GitHub au 2025-07-21, et un récapitulatif indépendant de juin 2026 classe encore Dia parmi les cinq meilleurs modèles TTS ouverts. TechCrunch a signalé les risques non résolus — des données d'entraînement non divulguées et un clonage pouvant faciliter les arnaques — tout en notant que la licence de Nari interdit les usages abusifs. Le plan des fondateurs reste une plateforme vocale grand public avec une couche sociale ; la formation d'une activité commerciale reste à prouver.