MOSS-TTSD est un modèle de génération de dialogue parlé conçu pour une synthèse expressive multi-locuteur. Il propose un modélisation à long contexte, un contrôle flexible des locuteurs et un support multilingue, tout en permettant le clonage vocal en zéro-shot à partir de courtes références audio.
Générez des dialogues parlés expressifs à partir de texte, prenant en charge plusieurs intervenants et langues.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentMOSS-TTSD est un modèle de génération de dialogue parlé conçu pour une synthèse expressive multi-locuteur. Il propose un modélisation à long contexte, un contrôle flexible des locuteurs et un support multilingue, tout en permettant le clonage vocal en zéro-shot à partir de courtes références audio.
MOSS-TTSD compte 1.4k étoiles sur GitHub. Il a été forké 134 fois. MOSS-TTSD est écrit principalement en Python. Il est développé activement depuis 2025. MOSS-TTSD est disponible sous licence Apache-2.0. Ses principaux thèmes sont : finetune, large-language-models, sglang, speech-dialogue-generation.
MOSS-TTSD est un modèle de génération de dialogue parlé conçu pour une synthèse expressive multi-locuteur. Il propose un modélisation à long contexte, un contrôle flexible des locuteurs et un support multilingue, tout en permettant le clonage vocal en zéro-shot à partir de courtes références audio.
MOSS-TTSD est un projet open source. Il est distribué sous licence Apache-2.0.
Oui. MOSS-TTSD est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
MOSS-TTSD est disponible sous licence Apache-2.0.
MOSS-TTSD est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/openmoss-moss-ttsd.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.