MOSS-TTSD

MOSS-TTSD ТТС

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

Жазылу 5000 таңба шегі

Мәтінді SSML тегтермен тасымалдау үшін нұсқау:

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

Таңдалған үлгі түсінетін тегтер - біреуін мәтінге түсіру үшін түртіңіз:

Бұл модель қарапайым мәтін оқиды, сондықтан жол ішіндегі тегтер елеусіз қалып жатыр. Тегтерге негізделген эмоция үшін Orpheus не Bark сияқты өрнекті модельге ауысыңыз.

Өзінің дыбысын анықтау (сөз = дыбысы):

-12 +12
0.5x 2.0x
Piper, VITS, MeloTTS-пен тегінName
Бұл жерде құрылған аудио файлыңыз көрсетіледі. Үлгіні таңдап, мәтінін келтіріп, Құру дегенді басыңыз.
Аудио сәтті құрылды
0:00
Аудио жүктеп алу .srt жүктеп алу Сілтеменің мерзімі 24 сағаттан кейін аяқталады
Ұлттық құрама: Ұлттық құрама. Коммерциялық лицензия $5/ай-дан
Бұл дауысты өзіңіздің дауысыңыз қылып қойыңыз 30 секундта дауысты көшіріп алу
TTS.ai ұнады ма? Достарыңызға хабарлаңыз!

& Бұл туралы 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.

Келесіге ең қолайлы: Podcasts, audiobooks, dubbed dialogue, conversational content with multiple voices

Барлығын қарау MOSS-TTSD дауыс

Бір қарапайым

Жасаушы
OpenMOSS
Лицензия
Apache 2.0
Түр
standard
Жылдамдығы
medium
Дыбысын көшіру
Иә
Тілдер
English, Chinese
Макс. таңбалар саны
5000

MOSS-TTSD дауыс

Default (Chinese)

Chinese
Әдетті Neutral

Default Speaker

English
Әдетті Neutral

MOSS-TTSD ТТС - ЖАҚСЫ СҰРАҚТАР

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.
← Барлық дауыстар