MOSS-TTSD เสียง
A 7B dialogue model that continues conversations from an audio prompt — up to five speakers and 60 minutes of coherent audio.
หมุนข้อความของคุณในแท็ก SSML เพื่อควบคุมอย่างแม่นยำ:
<speak><prosody rate="slow">Slow speech</prosody></speak>
แท็กที่โมเดลที่เลือกไว้เข้าใจ - คลิกเพื่อวางแท็กลงในข้อความของคุณที่มันเกิดขึ้น:
โมเดลนี้อ่านข้อความธรรมดา ดังนั้น แท็กในบรรทัดจะถูกละเลย สำหรับอารมณ์ที่ใช้แท็ก เปลี่ยนไปใช้โมเดลแสดงออก เช่น Orpheus หรือ Bark
ตั้งค่าการออกเสียงที่กำหนดเอง (คำ = การออกเสียง):
เกี่ยวกับ 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.
เหมาะสำหรับ: Podcasts, audiobooks, dubbed dialogue, conversational content with multiple voices
แสดงทั้งหมด MOSS-TTSD เสียงเพียงแค่มองดู
- ผู้พัฒนา
- OpenMOSS
- ใบอนุญาต
- Apache 2.0
- สัตว์
- standard
- ความเร็ว
- medium
- เสียง
- ใช่
- ภาษา
- English, Chinese
- จำนวนตัวอักษรสูงสุด
- 5000