OpenMOSS

一个来自复旦大学的开源工具增强对话语言模型

MOSS-TTS-Nano 是 MOSI.AI 和 OpenMOSS 团队的开源多语言小型语音生成模型。仅 0.1B 参数，旨在实现实时语音生成，可直接在 CPU 上运行，无需 GPU，部署堆栈保持简单，适合本地演示、Web 服务和轻量级产品集成。

MOSS‑TTS Family 是 MOSI.AI 与 OpenMOSS 团队开源的语音与声音生成模型族，设计用于高保真度、高表现力与复杂实际场景，涵盖稳定长篇语音、多说话者对话、声音/角色设计、环境音效与实时串流 TTS

MOSS-Transcribe-Diarize 0.9B 是一个开源的 SOTA 端到端语音理解模型，支持长时长多发言人转录、发言人 diarization、时间戳与声学事件感知。

MOSS-TTSD 是一个专为具表现力的多说话人合成而设计的语音对话生成模型。具备长上下文建模、灵活的说话人控制与多语言支持，同时可通过短语音参考实现零样本语音克隆。

具身智能（embodied AI）中世界动作模型（WAMs）的精选、持续更新阅读清单、论文博客与资源

MOVA：迈向可扩展且同步的音视频生成

“AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling”的代码

MOSS-Audio 是一个用于统一音频理解的开源基础模型，在真实世界场景中支持语音、声音、音乐、标题生成、问答与推理。

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