MOSS-TTS-v1.5 — многоязычная модель OpenMOSS-Team для генерации речи из текста, клонирования голоса и управления паузами и произношением.

Подходит для: синтез речи на нескольких языках из текста · клонирование голоса по аудиореференсу · озвучивание длинных текстов с управлением паузами

MOSS-Music-8B-Instruct анализирует музыкальные записи и отвечает на вопросы о словах, звучании, структуре и музыкальных характеристиках.

Подходит для: распознавание текста песен с временными метками · создание текстового описания настроения, жанра и инструментов композиции · определение аккордов и тональности по аудиозаписи

Экспериментальная дистиллированная модель на базе GLM-4.7-Flash для генерации текста и диалогов с архитектурой RWKV-7 и встроенным путём внимания TICA.

Подходит для: генерация текста в диалоге · эксперименты с линейным вниманием RWKV-7 · изучение дистилляции больших языковых моделей

Многоязычная аудиомодель для транскрибирования длинных записей с временными метками, диаризацией говорящих и аннотациями акустических событий.

Подходит для: расшифровка многочасовых совещаний с разметкой говорящих · транскрибация телефонных звонков с временными метками · создание субтитров для видео и лекций

Сжатая pruning-методом REAP диалоговая MoE-модель Hy3 для генерации текста и рассуждений с контекстом до 262 144 токенов.

Подходит для: диалоговые ответы на английском и китайском языках · решение школьных математических задач · генерация текста с длинным контекстом

MOVA — открытая мультимодальная модель OpenMOSS для генерации видео по изображению с синхронным звуком.

Подходит для: создание видео по исходному изображению · добавление синхронного звука к сгенерированному видео · генерация звуковых эффектов по сцене

Компактный причинный Transformer-токенизатор кодирует и восстанавливает 48-кГц стереоаудио для потоковой генерации речи и обработки звука.

Подходит для: сжатие стереоречи в дискретные аудиотокены · восстановление речи из последовательности аудиотокенов · аудиотокенизация для MOSS-TTS-Nano

Компактная мультиязычная модель OpenMOSS для потокового синтеза речи и клонирования голоса, рассчитанная на работу в том числе на CPU.

Подходит для: озвучивание текста в реальном времени · клонирование голоса по эталонной аудиозаписи · генерация речи для локальной демонстрации

Мультиязычная модель OpenMOSS для синтеза речи и клонирования голоса с генерацией стереоаудио 48 кГц.

Подходит для: синтез речи из текста на разных языках · клонирование голоса по аудиореференсу · генерация длинных озвученных текстов с управлением паузами

Трансформерный аудиотокенизатор OpenMOSS-Team кодирует и восстанавливает речь, музыку и другие звуки в компактные дискретные токены.

Подходит для: сжатие речевых записей с настраиваемым битрейтом · восстановление аудиосигнала из дискретных токенов · потоковое кодирование и декодирование аудио

Многоязычная модель OpenMOSS для выразительного синтеза длинных диалогов с несколькими голосами и клонированием голоса по короткому аудиопримеру.

Подходит для: генерация многосторонних диалогов для подкастов · озвучивание аудиокниг с голосами рассказчика и персонажей · создание спортивных и киберспортивных комментариев

MOSS-VoiceGenerator синтезирует выразительную речь на китайском и английском по тексту и описанию желаемого голоса, без аудиообразца.

Подходит для: озвучивание аудиокниг голосом заданного персонажа · создание голосов для игровых персонажей и дубляжа · синтез реплик для ролевых агентов

MOSS-Audio-Tokenizer-v2 кодирует и восстанавливает стереозвук в виде дискретных токенов для сжатия и последующих задач понимания и генерации аудио.

Подходит для: сжатие и кодирование стереозвука · восстановление аудио из дискретных токенов · потоковая обработка речи и звука

Полноточная аблитерированная MoE-модель Qwen3.5 для диалоговой генерации текста, дальнейшей настройки и создания квантованных вариантов.

Подходит для: диалоговые ответы на творческие запросы с меньшей склонностью к отказам · эксперименты с настройкой крупной MoE-модели · слияние LoRA-адаптеров с базовыми весами

Открытая аудиоязыковая модель примерно на 4,6 млрд параметров для распознавания и анализа речи, звуков и музыки с ответами в текстовой форме.

Подходит для: транскрибация аудиозаписей с временными метками · ответы на вопросы по содержанию подкастов, встреч и интервью · краткое изложение аудиозаписей

Многоязычная модель семейства MOSS-TTS для синтеза речи из текста, включая потоковую генерацию и управление произношением.

Подходит для: озвучивание текста на нескольких языках · создание потоковой речи для голосовых приложений · генерация смешанной китайско-английской речи

Квантованная до W4A16 MoE-модель Qwen3.5 для генерации текста и диалогов.

Подходит для: генерация ответов в диалоговом интерфейсе · развёртывание крупной языковой модели с 4-битными весами · создание текстовых продолжений по запросу

Потоковая многоязычная модель синтеза речи для голосовых агентов, учитывающая текстовый и акустический контекст предыдущих реплик.

Подходит для: озвучивание ответов голосового агента в реальном времени · синтез связной речи с учётом истории диалога · клонирование голоса для последовательных реплик

Многоязычная модель MOSI.AI и OpenMOSS для синтеза выразительной речи из текста, включая длинную озвучку и клонирование голоса по аудиопримеру.

Подходит для: озвучивание аудиокниг и длинных текстов · клонирование голоса по короткому аудиообразцу · синтез речи с переключением языков

MOSS-SoundEffect v2.0 генерирует звуковые эффекты длительностью до 30 секунд по текстовым запросам на английском и китайском языках.

Подходит для: создание фоновых звуков природы для видео · генерация городского шума и атмосферных звуков для игр · создание звуков животных и вымышленных существ

Открытая мультимодальная модель OpenMOSS для анализа изображений и длинных видео, OCR, разбора документов и ответов на инструкции.

Подходит для: ответы на вопросы по изображениям и видеозаписям · поиск и локализация событий во времени в длинном видео · распознавание текста на изображениях и разбор документов

MOSS-Audio-8B-Instruct — аудиоязыковая модель для распознавания и анализа речи, музыки и звуков с ответами на вопросы и временной привязкой событий.

Подходит для: расшифровка речи с временными отметками · ответы на вопросы по записи разговора или подкаста · краткое изложение интервью или встречи

Большая версия ElasticBERT для предсказания замаскированных токенов в англоязычном тексте.

Подходит для: предсказание пропущенных слов в предложении · восстановление замаскированных фрагментов текста · оценка контекста слова при языковом анализе

MOSS-VL-Realtime — мультимодальная модель OpenMOSS для вопросов и ответов по видеопотокам в реальном времени с учётом временных меток.

Подходит для: ответы на вопросы по текущей трансляции · наблюдение за видеопотоком с обновлением ответов по мере поступления кадров · определение времени и длительности событий в видео