MOSS-TTSD

MOSS-TTSD TTS

A 7B dialogue model that continues conversations from an audio prompt — up to five speakers and 60 minutes of coherent audio.

Εγγραφείτε για όριο 5.000 χαρακτήρων

Τυλίξτε το κείμενο σας σε ετικέτες EEML για τον ακριβή έλεγχο:

<speak><prosody rate="slow">Slow speech</prosody></speak>

Ετικέτες το επιλεγμένο μοντέλο καταλαβαίνει □ κάντε κλικ για να ρίξετε ένα στο κείμενο σας όπου συμβαίνει:

Αυτό το μοντέλο διαβάζει απλό κείμενο, έτσι οι ετικέτες inline αγνοούνται. Για tag-based συναίσθημα, μεταβείτε σε ένα εκφραστικό μοντέλο όπως ο Ορφέας ή Bark.

Define custom προφορές (word = εκφώνηση):

-12 +12
0.5x 2.0x
Δωρεάν με Piper, VITS, MeloTTS
Επιλέξτε ένα μοντέλο, εισάγετε το κείμενο και κάντε κλικ στη Δημιουργία.
Ο Ήχος Δημιουργήθηκε Επιτυχώς
0:00
Λήψη ήχου Κατεβάστε.srt Η σύνδεση λήγει σε 24 ώρες
Δωρεάν βαθμίδα: προσωπική χρήση. Εμπορική άδεια από $ 5 /mo
Τρέξιμο χαμηλό σε ελεύθερους χαρακτήρες Πάρτε 200K χαρακτήρες κάθε μήνα ~ $ 5 /mo ή ένα πακέτο 100K για $5
Κάνε αυτό τη δική σου φωνή. Κλώνε μια φωνή σε 30 δευτερόλεπτα
Αγάπη TTS.ai; Πες στους φίλους σου!

Σχετικά 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.

Το καλύτερο για: Podcasts, audiobooks, dubbed dialogue, conversational content with multiple voices

Περιήγηση σε όλα MOSS-TTSD φωνές

Με μια ματιά.

Προγραμματιστής
OpenMOSS
Άδεια
Apache 2.0
Βαθμίδα
standard
Ταχύτητα
medium
Κλωνοποίηση φωνής
Ναι.
Γλώσσες
English, Chinese
Μεγ. χαρακτήρες
5000

MOSS-TTSD φωνές

Default (Chinese)

Chinese
Πρότυπο Neutral

Default Speaker

English
Πρότυπο Neutral

MOSS-TTSD TTS □ Συχνές ερωτήσεις

Up to five simultaneous speakers, addressed via speaker tags like [S1] and [S2], with the ability to clone each voice from a short reference clip.

It can produce up to 60 minutes of coherent multi-turn dialogue, which is what makes it suited to full podcast episodes and audiobook chapters rather than short clips.

MOSS-TTSD is a dialogue-specialized variant that continues conversations from an audio prompt and targets podcast, audiobook, and dubbing workflows, whereas the base MOSS-TTS is a general single-voice synthesis model.
← Όλες οι φωνές