/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
MOSS-SoundEffect-v2.0
Библиотека
gguf
Опубликована
27 июл 2026

moss-soundeffect-gguf

Генерация аудиоТекст → аудио3 профессии

Конверсия MOSS-SoundEffect v2.0 в GGUF для генерации звуковых эффектов по текстовым описаниям.

1 817скачиваний за 30 дней2лайкавеса обновлены21 авг 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

Это конверсия MOSS-SoundEffect v2.0 от OpenMOSS-Team в формат GGUF для запуска в среде OpenMOSS C++/GGML. Модель создаёт звуковые эффекты по текстовому описанию; пример сценария — генерация короткого звука шага по заданной поверхности. Исходная модель использует текстовый энкодер Qwen3, диффузионный трансформер и декодер VAE на основе DAC. Конвертированные веса хранятся преимущественно в BF16, отдельные параметры нормализации, смещения и Snake — в FP32; файлы модели и дополнительных данных нужны одновременно.

Модель рассчитана на текстовые запросы на английском и китайском языках и выдаёт аудио. Базовая MOSS-SoundEffect v2.0 генерирует эффекты длительностью до 30 секунд. В README описана проверка генерации трёхсекундного звука шага на Vulkan. Репозиторий распространяется по лицензии Apache-2.0. Для запуска требуется совместимая среда OpenMOSS C++/GGML и оба файла GGUF.

Сценарии применения

  • генерация звука шагов по текстовому описанию
  • создание звуковых эффектов для игр и видео
  • генерация фоновых звуков по запросу
  • создание коротких аудиосэмплов для прототипов

Ограничения

Для запуска нужны совместимая среда OpenMOSS C++/GGML и оба файла GGUF. Описанная в README проверка охватывает трёхсекундный пример генерации, а не полный набор сценариев.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MOSS-SoundEffect-v2.0 BF16 GGUF for OpenMOSS

GGUF weights for OpenMOSS-Team/MOSS-SoundEffect-v2.0, converted for the OpenMOSS C++/GGML runtime.

Precision correction

Both files in this revision are FP16-free. The official pipeline runs the model with torch.bfloat16; the previous GGUF conversion stored the Qwen3 text encoder, DiT, and most VAE tensors as FP16. This rebuild keeps ordinary learned weights in BF16 without an intermediate FP16 cast. One-dimensional normalization/bias tensors and the VAE's numerically sensitive Snake parameters remain FP32.

Required files

FileTensor inventorySHA-256
moss-soundeffect-2.0.gguf198 BF16, 113 FP32, 0 FP16676d3ead6b12e99ecff0a3c29172f0f3571b17834724b19559c4f8572135a8de
moss-soundeffect-2.0.extras.gguf376 BF16, 597 FP32, 0 FP16f905b2bb3be6e21908778e3d8ef8b0d06dc419cab1d3bb7613a29dc21d924b64

Both files must remain beside each other. The backbone is the Qwen3 text encoder; the sidecar contains the diffusion transformer, DAC VAE decoder, and scheduler metadata.

Source revision

  • SoundEffect: OpenMOSS-Team/MOSS-SoundEffect-v2.0@e35df4d82fbe87fcd5d14e5d100e349c0c3c076d
  • Converter/runtime base: pwilkin/openmoss@d1f2976a89fd51bf949d28320af401e523b78c67, with BF16-preserving sidecar conversion

Validation

  • Tensor audit: zero FP16 tensors in both files.
  • Vulkan: complete 100-step generation and VAE decode of a three-second footstep pilot.
  • CLAP semantic ranking gave the intended footstep label 0.9367 probability, ahead of the nearest alternate at 0.0445.
  • Waveform QA found no clipping, late transient, or leading/trailing-silence warning.

OpenMOSS usage

moss-tts-cli \
  --model moss-soundeffect-2.0.gguf \
  --text "A single leather boot steps firmly onto a damp stone floor." \
  --seconds 3 \
  --output footstep.wav

License

The source model and these converted weights are provided under Apache 2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
b5556f2

0 моделей