MOSS-TTSD ТТС
A 7B dialogue model that continues conversations from an audio prompt — up to five speakers and 60 minutes of coherent audio.
Опаковка на вашия текст в SSML тагове за точен контрол:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Етикети избрания модел разбира — кликнете за да пуснете един в вашия текст, където се случва:
Този модел чете обикновен текст, така че в линия тагове се пренебрегват. За емоции, базирани на таг, превключете на експресивен модел като Orpheus или Bark.
Определяне на своите изговори (слово = произношение):
За MOSS-TTSD
MOSS-TTSD v1.0 from OpenMOSS is a 7-billion-parameter dialogue text-to-speech model that continues a conversation from a short audio prompt rather than reading isolated lines. It handles up to five simultaneous speakers via [S1]/[S2]-style tags, zero-shot voice cloning from 3-to-10-second references, and stretches of coherent multi-turn dialogue up to 60 minutes long. It is distinct from the OpenMOSS MOSS-TTS model — the TTSD variant is specialized for podcast, audiobook, and dubbing workflows where long, consistent conversational audio is the goal. Released under Apache 2.0, it needs around 12GB of VRAM given its size.
Най-добро за: Podcasts, audiobooks, dubbed dialogue, conversational content with multiple voices
Преглед на всички MOSS-TTSD гласовеНа един поглед.
- Разработчик
- OpenMOSS
- Лиценз
- Apache 2.0
- Ниво на равнището
- standard
- Скорост
- medium
- Гласово клониране
- Да.
- Езици
- English, Chinese
- Макс. символи
- 5000