/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
MOSS-TTS-v1.5
Опубликована
26 мая 2026

MOSS-TTS-v1.5-GGUF

Синтез речиТекст → аудио3 профессии

MOSS-TTS-v1.5-GGUF — конвертированная в формат openmoss-ggml версия модели MOSS-TTS-v1.5, разработанной OpenMOSS-Team.

957скачиваний за 30 дней0лайковвеса обновлены26 мая 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 модель синтеза речи с поддержкой zero-shot клонирования голоса, длинных текстов, управления длительностью на уровне токенов и паузами через конструкции вида [pause X.Ys]. Она предназначена для локального многоязычного синтеза речи и запускается через moss-tts-server на базе C++/GGML и libllama.

В основе используется языковой backbone Qwen3-8B, квантованный в Q8_0, и кодек MOSS-Audio-Tokenizer с частотой 24 кГц. Модель поддерживает китайский, кантонский, английский, русский и ряд других языков, включая арабский, немецкий, испанский, французский, японский, корейский, португальский, турецкий и вьетнамский. Для работы обязательны два файла: основной GGUF размером около 8,7 ГБ и sidecar-файл extras.gguf размером около 3,9 ГБ; стандартный llama.cpp эту модель не запускает. На Apple Silicon для кодека требуется режим --aux-cpu. Распространяется по лицензии Apache-2.0; веса не переобучались, выполнены только конвертация формата и квантование backbone.

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-TTS-v1.5 GGUF (openmoss-ggml format)

GGUF conversion of OpenMOSS-Team/MOSS-TTS-v1.5 for the pwilkin/openmoss moss-tts-server (a C++/GGML MOSS-TTS runtime that links libllama).

These are not standard llama.cpp GGUFs and vanilla llama.cpp will not run them. The model ships as two files: a plain Qwen3 backbone GGUF that libllama loads directly, plus an .extras.gguf sidecar (audio embedding tables, LM heads, codec encoder/RVQ/decoder, and the moss.* KV namespace) that only the moss-tts-server reader picks up.

Files

FileSizeRole
moss-tts-v1.5-q8_0.gguf8.7 GBQwen3-8B backbone, Q8_0 (token-embedding table kept f16)
moss-tts-v1.5-q8_0.extras.gguf3.9 GBAudio embeddings, LM heads, codec, moss.* KV (not quantised)

Both files are required and must sit in the same directory. The server derives the sidecar name from the backbone by replacing .gguf with .extras.gguf, so keep the pair named X.gguf + X.extras.gguf.

Usage

moss-tts-server \
  --model moss-tts-v1.5-q8_0.gguf \
  --host 127.0.0.1 --port 8080 \
  --aux-cpu --no-webui

--aux-cpu keeps the codec on CPU, which is required on Apple Silicon Metal builds.

How it was made

Built with the converter in the openmoss tree:

python scripts/convert_hf_to_gguf.py \
  --moss-tts OpenMOSS-Team/MOSS-TTS-v1.5 \
  --codec    OpenMOSS-Team/MOSS-Audio-Tokenizer \
  --output   moss-tts-v1.5.gguf \
  --llama-cpp-dir /path/to/llama.cpp \
  --backbone-dtype f16

# Quantise the backbone; the embedding table is indexed via ggml_get_rows
# and must stay f16.
llama-quantize --token-embedding-type f16 \
  moss-tts-v1.5.gguf moss-tts-v1.5-q8_0.gguf Q8_0

The sidecar (.extras.gguf) is emitted alongside the backbone by the converter and is not quantised.

Model

MOSS-TTS-v1.5 is a weights-only fine-tune of MOSS-TTS 1.0: same moss_tts_delay architecture, Qwen3-8B language backbone, and MOSS-Audio-Tokenizer codec (24 kHz). It supports zero-shot voice cloning, long-form synthesis, token-level duration control, multilingual synthesis with language tags, and inline [pause X.Ys] control. See the base model card for the full feature walkthrough and input schema.

License and attribution

Apache-2.0, the same licence as the source model. Derived from OpenMOSS-Team/MOSS-TTS-v1.5. The only change is format conversion to GGUF and Q8_0 quantisation of the backbone; no weights were retrained.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

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

Ревизия весов
56eb386

0 моделей