MOSS-TTSD ТТС
A 7B dialogue model that continues conversations from an audio prompt — up to five speakers and 60 minutes of coherent audio.
Заверните текст в SSML для точного контроля:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Помечает выбранную модель, которая понимает — нажмите, чтобы выкинуть одну в ваш текст, где она случается:
Эта модель читает простой текст, поэтому встраиваемые метки игнорируются. Для эмоций на основе метки переключайтесь на экспрессивную модель, как Орфей или Барк.
Определить традиционные произношения (слово = произношение):
О том, что 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.
Лучший для: Podcasts, audiobooks, dubbed dialogue, conversational content with multiple voices
Просмотр MOSS-TTSD голосаВзгляните.
- Разработчик
- OpenMOSS
- Лицензия
- Apache 2.0
- Тяжелый
- standard
- Скорость
- medium
- Клонирование голоса
- Выполнено
- Знание языков
- English, Chinese
- Максимум символов
- 5000