OpenMOSS

复旦大学 (Fudan University) का एक ओपन-सोर्स टूल-ऑगमेंटेड संवादात्मक भाषा मॉडल

MOSS-TTS-Nano MOSI.AI और OpenMOSS टीम का एक ओपन-सोर्स बहुभाषी छोटा स्पीच जनरेशन मॉडल है। केवल 0.1B पैरामीटर के साथ, इसे रीयल-टाइम स्पीच जनरेशन के लिए डिज़ाइन किया गया है, यह बिना GPU के सीधे CPU पर चल सकता है, और स्थानीय डेमो, वेब सर्विंग और हल्के उत्पाद एकीकरण के लिए डिप्लॉयमेंट स्टैक को सरल रखता है।

MOSS‑TTS Family MOSI.AI और OpenMOSS टीम का एक ओपन‑सोर्स स्पीच और साउंड जनरेशन मॉडल परिवार है। इसे उच्च-निष्ठा, उच्च-अभिव्यक्ति और जटिल वास्तविक दुनिया के परिदृश्यों के लिए डिज़ाइन किया गया है, जिसमें स्थिर लॉन्ग-फॉर्म स्पीच, मल्टी-स्पीकर संवाद, आवाज़/कैरेक्टर डिज़ाइन, पर्यावरण ध्वनि प्रभाव और वास्तविक समय स्ट्रीमिंग TTS शामिल हैं।

MOSS-Transcribe-Diarize 0.9B एक ओपन-सोर्स SOTA एंड-टू-एंड ऑडियो अंडरस्टैंडिंग मॉडल है जो लंबे समय के बहु-वक्ता ट्रांसक्रिप्शन, डायराइजेशन, टाइमस्टैम्प और एक्यूस्टिक इवेंट अवेयरनेस के लिए है।

MOSS-TTSD एक स्पोकन डायलॉग जनरेशन मॉडल है जिसे expressive multi-speaker synthesis के लिए डिज़ाइन किया गया है। इसमें long-context modeling, flexible speaker control और multilingual support शामिल है, साथ ही यह छोटे ऑडियो संदर्भों से zero-shot voice cloning को सक्षम बनाता है।

एम्बॉडीेड AI में वर्ल्ड एक्शन मॉडल (WAMs) के लिए एक क्यूरेटेड, लगातार अपडेट होने वाली रीडिंग लिस्ट, पेपर ब्लॉग और संसाधन।

MOVA: स्केलेबल और सिंक्रोनाइज़्ड वीडियो-ऑडियो जनरेशन की दिशा में

AnyGPT: डिस्क्रीट सीक्वेंस मॉडलिंग के साथ यूनिफाइड मल्टीमॉडल LLM के लिए कोड

MOSS-Audio एकीकृत ऑडियो समझ के लिए एक ओपन-सोर्स फाउंडेशन मॉडल है, जो वास्तविक दुनिया के परिदृश्यों में भाषण, ध्वनि, संगीत, कैप्शनिंग, QA और तर्क को सक्षम बनाता है।

An open-weight 11B model series for long-form and real-time video understanding