MOSS-TTSD TTS
A 7B dialogue model that continues conversations from an audio prompt — up to five speakers and 60 minutes of coherent audio.
Apvynioti savo tekstą BSML žymės tiksliam valdymui:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Žymos pasirinktas modelis supranta — spustelėkite, kad įmestų vieną į tekstą, kur tai atsitinka:
Šis modelis skaito paprastą tekstą, todėl į eilę orientuotos žymės yra ignoruojamos. Dėl įsagų pagrindu išreikštos emocijos pereikite prie tokio išraiškingo modelio kaip Orpheus arba Bark.
Apibrėžti užsakymą tarimas (žodžio = tarimas):
Apie 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.
Geriausia: Podcasts, audiobooks, dubbed dialogue, conversational content with multiple voices
Naršyti viską MOSS-TTSD balsaiIš pirmo žvilgsnio
- Programuotojas
- OpenMOSS
- Licencija
- Apache 2.0
- Pakopa
- standard
- Greitis
- medium
- Balso klonavimas
- Taip
- Kalbos
- English, Chinese
- Daugiausia simbolių
- 5000