MOSS-TTSD es un modelo de generación de diálogos hablados diseñado para una síntesis expresiva de múltiples hablantes. Presenta modelado de largo contexto, control flexible de hablantes y soporte multilingüe, mientras permite la clonación de voz en cero disparos a partir de referencias de audio cortas.
Genera diálogos hablados expresivos a partir de texto, soportando múltiples hablantes e idiomas.
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 quierasMOSS-TTSD es un modelo de generación de diálogos hablados diseñado para una síntesis expresiva de múltiples hablantes. Presenta modelado de largo contexto, control flexible de hablantes y soporte multilingüe, mientras permite la clonación de voz en cero disparos a partir de referencias de audio cortas.
MOSS-TTSD tiene 1.4k estrellas en GitHub. Se ha bifurcado 134 veces. MOSS-TTSD está escrito principalmente en Python. Se desarrolla activamente desde 2025. MOSS-TTSD está disponible bajo la licencia Apache-2.0. Sus temas principales son: finetune, large-language-models, sglang, speech-dialogue-generation.
MOSS-TTSD es un modelo de generación de diálogos hablados diseñado para una síntesis expresiva de múltiples hablantes. Presenta modelado de largo contexto, control flexible de hablantes y soporte multilingüe, mientras permite la clonación de voz en cero disparos a partir de referencias de audio cortas.
MOSS-TTSD es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.
Sí. MOSS-TTSD es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
MOSS-TTSD está disponible bajo la licencia Apache-2.0.
MOSS-TTSD 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-ttsd.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.