La familia MOSS‑TTS es una familia de modelos de generación de voz y sonido de código abierto de MOSI.AI y el equipo de OpenMOSS. Está diseñada para escenarios del mundo real de alta fidelidad, alta expresividad y complejidad, cubriendo voz estable de larga duración, diálogo multi-hablante, vo
Crea efectos de sonido y voz realistas para diversas aplicaciones, incluyendo diseño de voz y transmisión en tiempo real.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasLa familia MOSS‑TTS es una familia de modelos de generación de voz y sonido de código abierto de MOSI.AI y el equipo de OpenMOSS. Está diseñada para escenarios del mundo real de alta fidelidad, alta expresividad y complejidad, cubriendo voz estable de larga duración, diálogo multi-hablante, vo
MOSS-TTS tiene 3.9k estrellas en GitHub. Se ha bifurcado 350 veces. MOSS-TTS está escrito principalmente en Python. Se desarrolla activamente desde 2026. MOSS-TTS está disponible bajo la licencia Apache-2.0. Sus temas principales son: audio, audio-tokenizer, llm, multimodal.
Compara con las herramientas de pago que reemplazaLa familia MOSS‑TTS es una familia de modelos de generación de voz y sonido de código abierto de MOSI.AI y el equipo de OpenMOSS. Está diseñada para escenarios del mundo real de alta fidelidad, alta expresividad y complejidad, cubriendo voz estable de larga duración, diálogo multi-hablante, vo
MOSS-TTS es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.
Sí. MOSS-TTS es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
MOSS-TTS está disponible bajo la licencia Apache-2.0.
MOSS-TTS está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/openmoss-moss-tts.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.