Характеристики

Лицензия: Apache 2.0
Базовая модель: MOSS-Audio-4B-Instruct
Опубликована: 2 сен 2026

Ссылки

moss-audio-models

Распознавание речиАудио, текст → текст

Офлайн-зеркало аудиоязыковой модели OpenMOSS для расшифровки, описания и анализа аудиозаписей с ответами на вопросы о звуке.

0скачиваний за 30 дней0лайковвеса обновлены2 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AEmotionStudio/MOSS-Audio 4B — зеркало модели MOSS-Audio-4B-Instruct от OpenMOSS, подготовленное для офлайн-среды MAESTRO DAW. Это аудиоязыковая модель: аудиоэнкодер в стиле Whisper передаёт признаки языковой модели Qwen3-4B с механизмом DeepStack. Модель описывает речь, звуки и музыку, расшифровывает речь с временными метками, сообщает о говорящих и их эмоциональном состоянии, перечисляет звуковые события и отвечает на вопросы о записи.

Репозиторий содержит веса BF16 в формате safetensors, идентичные весам базовой модели; это дообученная модель, а не отдельная конверсия или квантизация. Для инференса MAESTRO использует пакет OpenMOSS, поставляемый отдельно, поскольку Python-файлы удалённого кода в репозитории отсутствуют. Лицензия — Apache-2.0.

Сценарии применения

расшифровка речи с временными метками
создание текстовых описаний аудиозаписей
определение говорящих и их эмоционального состояния
перечисление звуковых событий в записи
ответы на вопросы о содержании аудио
анализ музыки и окружающих звуков

Ограничения

Для инференса требуется пакет OpenMOSS, который не включён в репозиторий; собственная реализация модели здесь отсутствует. В README не перечислены поддерживаемые языки аудиоввода.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MOSS-Audio 4B — MAESTRO mirror

Verbatim mirror of OpenMOSS-Team/MOSS-Audio-4B-Instruct (revision 6907a499dc0e87cc77c8ae0fe23fd0eb5476a02d, 2026-04) packaged for the MAESTRO DAW's offline runtime.

MOSS-Audio 4B-Instruct (OpenMOSS) is a general audio-understanding LLM — a Whisper-style audio encoder feeding a Qwen3-4B language model with DeepStack feature injection. It captions any recording (speech, sounds, music), transcribes speech with timestamps, reports on speakers and their emotional state, lists sound events, and answers free-form questions about the audio.

Layout

bf16/               everything MAESTRO downloads (manifest allow_patterns)
  model-0000{1..3}-of-00003.safetensors   bf16 shards, byte-identical to upstream
  model.safetensors.index.json
  config.json  generation_config.json
  tokenizer_config.json  vocab.json  merges.txt  added_tokens.json
  special_tokens_map.json  processor_config.json  chat_template.jinja
  sha256.json       per-file hashes of this folder
README.md           this file

Differences from upstream

The remote-code Python files (configuration_moss_audio.py, processing_moss_audio.py) are not shipped: MAESTRO vendors the upstream GitHub src/ inference package (github.com/OpenMOSS/MOSS-Audio @ ce783cb7) and never uses trust_remote_code. (Upstream's weights repo ships no modeling file at all — the GitHub package is the actual torch implementation.)
The assets/ figures and upstream README are not shipped.
Weight shards are byte-identical to upstream (sha256-verified against the upstream LFS metadata at mirror time — see bf16/sha256.json).

License

Apache-2.0, same as upstream code and weights. Copyright the OpenMOSS team. This mirror exists so MAESTRO installs pull a pinned, verified snapshot; all credit for the model goes to its authors.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: eee825a