OpenMOSS

Một mô hình ngôn ngữ hội thoại mã nguồn mở được tăng cường công cụ từ Đại học Phục Đán (Fudan University).

MOSS-TTS-Nano là mô hình tạo giọng nói đa ngôn ngữ siêu nhỏ mã nguồn mở từ MOSI.AI và đội ngũ OpenMOSS. Chỉ với 0.1B tham số, nó được thiết kế để tạo giọng nói thời gian thực, có thể chạy trực tiếp trên CPU mà không cần GPU, đồng thời giữ cho ngăn xếp triển khai đủ đơn giản để chạy demo cục bộ, phục vụ web và tích hợp sản phẩm nhẹ nhàng.

MOSS‑TTS Family là một dòng mô hình tạo giọng nói và âm thanh mã nguồn mở từ MOSI.AI và nhóm OpenMOSS. Được thiết kế cho các kịch bản thực tế phức tạp, có độ trung thực và biểu cảm cao, bao gồm giọng nói dài ổn định, hội thoại nhiều người nói, thiết kế giọng nói/nhân vật, hiệu ứng âm thanh môi trường và TTS phát trực tuyến thời gian thực.

MOSS-Transcribe-Diarize 0.9B là mô hình hiểu âm thanh đầu cuối SOTA mã nguồn mở dành cho việc chuyển đổi giọng nói thành văn bản cho nhiều người nói dài, phân chia đoạn, dấu thời gian và nhận thức sự kiện âm thanh.

MOSS-TTSD là một mô hình tạo hội thoại giọng nói được thiết kế để tổng hợp biểu cảm đa người nói. Nó có tính năng mô hình hóa ngữ cảnh dài, điều khiển người nói linh hoạt và hỗ trợ đa ngôn ngữ, đồng thời cho phép nhân bản giọng nói zero-shot từ các tệp âm thanh tham chiếu ngắn.

Danh sách tài liệu đọc được tuyển chọn và cập nhật liên tục, blog bài báo và tài nguyên về World Action Models (WAMs) trong embodied AI.

MOVA: Hướng tới Tạo video–audio có thể mở rộng và đồng bộ hóa

Mã nguồn cho "AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling"

MOSS-Audio là mô hình nền tảng mã nguồn mở cho việc hiểu âm thanh thống nhất, hỗ trợ lời nói, âm thanh, âm nhạc, chú thích, QA và suy luận trong các tình huống thực tế.