MOSS-TTSD TTS
A 7B dialogue model that continues conversations from an audio prompt — up to five speakers and 60 minutes of coherent audio.
Ang yuta palibot sa Ssm kay medyo kabukiran.
<speak><prosody rate="slow">Slow speech</prosody></speak>
Ang mga tag sa gipili nga modelo makasabut - i-klik aron ihulog ang usa sa imong teksto diin kini mahitabo:
Ang modelong kini mobasa sa yano nga teksto, busa ang mga inline tags gi-ignore. Alang sa mga tag-based nga emosyon, i-usab sa usa ka ekspresyonal nga modelo sama sa Orpheus o Bark.
Ang yuta palibot sa Cerro La Pronunciación kay lain-lain.
Sa palibot sa Aïn el Aïd. 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.
Sa palibot sa Best.: Podcasts, audiobooks, dubbed dialogue, conversational content with multiple voices
Lawak ang lahat MOSS-TTSD TingogSa palibot sa Glance.
- Pag-uswag
- OpenMOSS
- Lisensiya
- Apache 2.0
- Tigre
- standard
- Katulin
- medium
- Sa palibot sa Klondike.
- Sa palibot sa Jabal al Muḩallaqta.
- Linguistics
- English, Chinese
- Maksimum nga mga karakter
- 5000