MOSS-TTSD TTS
A 7B dialogue model that continues conversations from an audio prompt — up to five speakers and 60 minutes of coherent audio.
Kääri tekstisi SSML-tunnisteisiin tarkan valvonnan varmistamiseksi:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Merkitse valittu malli ymmärtää – klikkaa pudottaaksesi yhden tekstiisi, missä se tapahtuu:
Tässä mallissa lukee pelkkää tekstiä, joten rivitunnisteet jätetään huomiotta. Jos haluat tag-pohjaisen tunteen, vaihda ilmaisukykyiseen malliin, kuten Orfeus tai Bark.
Määrittele custom-äänet (sana = ääntäminen):
Tietoja 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.
Paras: Podcasts, audiobooks, dubbed dialogue, conversational content with multiple voices
Selaa kaikkia MOSS-TTSD äänetSilmäyksellä
- Kehittäjä
- OpenMOSS
- Lisenssi
- Apache 2.0
- Määrittämistaso
- standard
- Nopeus
- medium
- Äänien kloonaus
- Kyllä
- Kielet
- English, Chinese
- Maksimimerkit
- 5000