OpenMOSS

Ein von der Fudan-Universität entwickeltes, Open-Source-gestütztes Konversationssprachmodell mit Werkzeugunterstützung

MOSS-TTS-Nano ist ein Open-Source-Modell zur mehrsprachigen Miniatur-Sprachgenerierung von MOSI.AI und dem OpenMOSS-Team. Mit nur 0,1 Milliarden Parametern ist es für die Echtzeit-Sprachgenerierung konzipiert, läuft direkt auf der CPU ohne GPU und hält den Bereitstellungsstack einfach genug für lokale Demos, Web-Serving und die Integration in leichtgewichtige Produkte.

Die MOSS‑TTS-Familie ist eine Open-Source-Modellfamilie zur Sprach- und Klangerzeugung von MOSI.AI und dem OpenMOSS-Team. Sie wurde für Szenarien in der realen Welt mit hoher Wiedergabetreue, starkem Ausdruck und hoher Komplexität entwickelt und deckt stabile Langform-Sprache, Dialoge mit mehreren Sprechern, Sprach-/Charakterdesign, Umgebungs-Soundeffekte und Echtzeit-Streaming-TTS ab.

MOSS-Transcribe-Diarize 0.9B ist ein Open-Source-SOTA-End-to-End-Audioverständnismodell für die Transkription von Langzeit-Multi-Sprecher-Inhalten, Sprechertrennung (Diarization), Zeitstempel und akustische Ereigniserkennung.

MOSS-TTSD is ein Modell zur Generierung gesprochener Dialoge, das für die ausdrucksstarke Synthese mehrerer Sprecher entwickelt wurde. Es bietet Long-Context-Modellierung, flexible Sprechersteuerung und mehrsprachige Unterstützung und ermöglicht gleichzeitig Zero-Shot-Stimmenklonen aus kurzen Audio-Referenzen.

Eine kuratierte, kontinuierlich aktualisierte Leseliste, Paper-Blogs und Ressourcen für World Action Models (WAMs) in der embodied AI.

MOVA: Auf dem Weg zu skalierbarer und synchronisierter Video-Audio-Generierung

Code für „AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling“

MOSS-Audio ist ein Open-Source-Grundlagenmodell für einheitliches Audioverständnis, das Sprache, Klänge, Musik, Beschriftung, Q&A und Reasoning in realen Szenarien ermöglicht.