OpenMOSS

Un modelo de lenguaje conversacional de código abierto mejorado con herramientas de la Universidad de Fudan

MOSS-TTS-Nano es un modelo de generación de voz multilingüe pequeño y de código abierto de MOSI.AI y el equipo de OpenMOSS. Con solo 0.1B de parámetros, está diseñado para la generación de voz en tiempo real, puede ejecutarse directamente en la CPU sin GPU y mantiene la pila de implementación lo suficientemente simple para demostraciones locales, servicios web y la integración de productos ligeros.

MOSS‑TTS Family es una familia de modelos de código abierto para la generación de voz y sonido de MOSI.AI y el equipo OpenMOSS. Está diseñada para escenarios del mundo real complejos, de alta fidelidad y gran expresividad, que abarcan voz larga y estable, diálogo multilocutor, diseño de voz y personajes, efectos de sonido ambiental y TTS en streaming en tiempo real.

MOSS-Transcribe-Diarize 0.9B es un modelo de comprensión de audio de código abierto SOTA de extremo a extremo para transcripción de formato largo con múltiples hablantes, diarización, marcas de tiempo y reconocimiento de eventos acústicos.

MOSS-TTSD es un modelo de generación de diálogos hablados diseñado para la síntesis expresiva de múltiples hablantes. Cuenta con modelado de contexto largo, control flexible de hablantes y soporte multilingüe, al tiempo que permite la clonación de voz zero-shot a partir de referencias de audio cortas.

Una lista de lectura curada y actualizada continuamente, blogs de artículos y recursos para World Action Models (WAMs) en IA encarnada.

MOVA: Hacia la generación de video y audio escalable y sincronizada

Código para "AnyGPT: LLM multimodal unificado con modelado de secuencia discreta"

MOSS-Audio es un modelo base de código abierto para la comprensión unificada de audio, que permite el procesamiento de voz, sonido, música, subtitulado, QA y razonamiento en escenarios del mundo real.