OpenMOSS

Um modelo de linguagem conversacional de código aberto aumentado por ferramentas, desenvolvido pela Fudan University

MOSS-TTS-Nano é um modelo de geração de fala multilíngue minúsculo e open source da MOSI.AI e da equipe OpenMOSS. Com apenas 0,1 bilhão de parâmetros, foi projetado para geração de fala em tempo real, pode rodar diretamente na CPU sem GPU e mantém a stack de implantação simples o suficiente para demonstrações locais, serviços web e integração leve em produtos.

A família MOSS‑TTS é uma família de modelos de geração de fala e som open source da MOSI.AI e da equipe OpenMOSS. Projetada para alta fidelidade, alta expressividade e cenários complexos do mundo real, cobrindo fala longa estável, diálogo multi-falante, design de voz/personagem, efeitos sonoros ambientais e TTS de streaming em tempo real.

MOSS-Transcribe-Diarize 0.9B é um modelo de compreensão de áudio de ponta a ponta de código aberto para transcrição de longa duração com múltiplos falantes, diarização, carimbos de data/hora e reconhecimento de eventos acústicos.

MOSS-TTSD é um modelo de geração de diálogo falado projetado para síntese expressiva de múltiplos falantes. Ele apresenta modelagem de contexto longo, controle flexível de falante e suporte multilíngue, permitindo clonagem de voz zero-shot a partir de referências de áudio curtas.

Uma lista de leitura, blogs de artigos e recursos selecionados e atualizados continuamente sobre World Action Models (WAMs) em IA incorporada.

MOVA: rumo à geração de vídeo e áudio escalável e sincronizada.

Código para "AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling"

MOSS-Audio é um modelo de base de código aberto para compreensão unificada de áudio, permitindo fala, som, música, legendagem, QA e raciocínio em cenários do mundo real.