MOSS-TTSD TTS
A 7B dialogue model that continues conversations from an audio prompt — up to five speakers and 60 minutes of coherent audio.
Переносити ваш текст до міток SSML для точного керування:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Додати позначки емоцій доставки впливу (відносна підтримка model):
Ця модель читає простий текст, отже теґи вбудований буде проігноровано. Для емоцій, заснованих на мітках, перемкніться на модель експресивного вираження, на зразок Orpheus або Bark.
Визначити нетипові вимови (слово = вимова):
Про програму 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.
Найкраще для: Podcasts, audiobooks, dubbed dialogue, conversational content with multiple voices
Перегляд всього MOSS-TTSD голосиНа перший погляд
- Розробник
- OpenMOSS
- Ліцензія
- Apache 2.0
- Тір
- standard
- Швидкість
- medium
- Клонування голосів
- Так.
- Мови
- English, Chinese
- Макс. символи
- 5000