OpenMOSS

Model bahasa percakapan sumber terbuka yang dilengkapi alat dari Fudan University

MOSS-TTS-Nano adalah model generasi ucapan mini multibahasa sumber terbuka dari MOSI.AI dan tim OpenMOSS. Dengan hanya 0,1 miliar parameter, model ini dirancang untuk pembuatan ucapan waktu nyata, dapat berjalan langsung di CPU tanpa GPU, dan menjaga tumpukan penyebaran tetap sederhana untuk demo lokal, layanan web, dan integrasi produk ringan.

MOSS‑TTS Family adalah keluarga model pembuatan suara dan ucapan open‑source dari MOSI.AI dan tim OpenMOSS. Dirancang untuk skenario dunia nyata yang sangat akurat, sangat ekspresif, dan kompleks, mencakup ucapan berdurasi panjang yang stabil, dialog multi-pembicara, desain suara/karakter, efek suara lingkungan, dan TTS streaming waktu nyata.

MOSS-Transcribe-Diarize 0.9B adalah model pemahaman audio end-to-end SOTA sumber terbuka untuk transkripsi multi-pembicara berdurasi panjang, diarisasi, stempel waktu, dan kesadaran peristiwa akustik.

MOSS-TTSD adalah model pembuatan dialog lisan yang dirancang untuk sintesis multi-pembicara yang ekspresif. Model ini memiliki fitur pemodelan konteks panjang, kontrol pembicara yang fleksibel, dan dukungan multibahasa, sekaligus memungkinkan kloning suara zero-shot dari referensi audio pendek.

Daftar bacaan pilihan yang terus diperbarui, blog makalah, dan sumber daya untuk World Action Models (WAMs) dalam embodied AI.

MOVA: Menuju Pembuatan Video-Audio yang Dapat Diskalakan dan Disinkronkan.

Kode untuk "AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling"

MOSS-Audio adalah model dasar sumber terbuka untuk pemahaman audio terpadu, yang memungkinkan ucapan, suara, musik, pemberian keterangan, tanya jawab, dan penalaran dalam skenario dunia nyata.