OpenMOSS

Un modèle de langage conversationnel open source augmenté par des outils, développé par l'Université Fudan.

MOSS-TTS-Nano est un modèle de synthèse vocale multilingue miniature open source développé par MOSI.AI et l'équipe OpenMOSS. Avec seulement 0,1 milliard de paramètres, il est conçu pour la génération de parole en temps réel, peut s'exécuter directement sur CPU sans GPU, et maintient une pile de déploiement suffisamment simple pour des démonstrations locales, le service web et l'intégration légère dans des produits.

La famille MOSS‑TTS est une gamme de modèles open source de génération de parole et de son développée par MOSI.AI et l'équipe OpenMOSS. Conçue pour une haute fidélité et une grande expressivité dans des scénarios réels complexes, elle couvre la synthèse vocale longue durée stable, le dialogue multi-locuteur, la conception de voix et de personnages, les effets sonores environnementaux et le TTS en streaming temps réel.

MOSS-Transcribe-Diarize 0.9B est un modèle open-source SOTA de compréhension audio de bout en bout pour la transcription longue, la diarisation, l'horodatage et la détection d'événements acoustiques.

MOSS-TTSD est un modèle de génération de dialogue parlé conçu pour la synthèse expressive multi-locuteur. Il propose une modélisation de contexte long, un contrôle flexible du locuteur et un support multilingue, tout en permettant le clonage vocal zero-shot à partir de courtes références audio.

Une liste de lecture organisée et mise à jour en continu, des blogs de recherche et des ressources sur les World Action Models (WAMs) dans l'IA incarnée.

MOVA : Vers une génération vidéo-audio évolutive et synchronisée

Code pour "AnyGPT : LLM multimodal unifié avec modélisation de séquence discrète"

MOSS-Audio est un modèle de fondation open source pour la compréhension audio unifiée, permettant la gestion de la parole, du son, de la musique, du sous-titrage, des questions-réponses et du raisonnement dans des scénarios réels.