OpenMOSS-Team发布了MOSS-SoundEffect-v2.0,这是一个能够生成高保真音效的文本到音频模型。新版本采用了基于Flow Matching训练的Diffusion Transformer骨干网络、DAC VAE和Qwen3文本编码器。MOSS-SoundEffect-v2.0能够根据英文和中文的自然语言提示,生成长达30秒、采样率为48 kHz的音频,涵盖环境、生物和人类动作等多种类别。 AI
影响 能够从文本生成多样化的音效,可能影响内容创作和音频设计工具。
排序理由 发布了一个包含技术细节(架构和训练)的新模型。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Trending Models 阅读 →
- DAC VAE
- diffusers
- Diffusion Transformer
- Flow Matching
- MOSS-SoundEffect-v2.0
- MOSS-TTS
- OpenMOSS-Team/MOSS-SoundEffect-v2.0
- PyTorch
- Qwen3
- transformers
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →