OpenMOSS

一個來自復旦大學的開源工具增強對話語言模型

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 與 OpenMOSS 團隊開源的語音與聲音生成模型族，設計用於高保真度、高表現力與複雜實際場景，涵蓋穩定長篇語音、多說話者對話、聲音/角色設計、環境音效與即時串流 TTS

MOSS-Transcribe-Diarize 0.9B 是一個開源的 SOTA 端對端語音理解模型，支援長時數多語者轉錄、語者 diarization、時間戳記與聲學事件感知。

MOSS-TTSD 是一個專為具表現力的多語者合成而設計的語音對話生成模型。具備長上下文建模、靈活的語者控制與多語言支援，同時可透過短語音參考進行零樣本語音複製。

具身智慧（embodied AI）中世界動作模型（WAMs）的精選、持續更新閱讀清單、論文部落格與資源

MOVA：邁向可擴充且同步的視訊-音訊生成

「AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling」的程式碼

MOSS-Audio 是一個用於統一語音理解的開源基礎模型，在真實世界場景中支援語音、聲音、音樂、標題生成、問答與推理。

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