speech-dialogue-generation

MOSS-TTSD は、表現豊かなマルチ話者合成向けに設計された音声対話生成モデルです。コンテキストの長期モデリング、柔軟な話者制御、多言語サポートを備え、短い音声参照からのゼロショット音声クローンを実現します。