2月10日，由上海創(chuàng)智學(xué)院孵化的模思智能及OpenMOSS團(tuán)隊(duì)正式發(fā)布并開(kāi)源了MOSS-TTS Family。模型發(fā)布后，壁仞科技（06082.HK）旗艦產(chǎn)品壁礪 166M率先完成其中語(yǔ)音生成基座MOSS-TTS模型的高性能推理部署。作為國(guó)內(nèi)領(lǐng)軍的通用GPU芯片企業(yè)，壁仞科技成為首家完成MOSS-TTS模型適配的國(guó)產(chǎn)算力廠商。

這一成果充分顯示了壁礪 166M的強(qiáng)大通用性和全自研BIRENSUPA軟件棧的成熟度。壁仞科技軟硬一體解決方案可高效支持開(kāi)發(fā)者適配新模型，顯著降低適配成本，為客戶日新月異的AI創(chuàng)新業(yè)務(wù)提供堅(jiān)實(shí)的算力底座。

MOSS TTS模型在壁礪166M服務(wù)器上基于vLLM框架進(jìn)行推理的演示

壁礪166 M為數(shù)據(jù)中心大算力訓(xùn)推一體芯片，產(chǎn)品形態(tài)為4U OAM V1.1風(fēng)冷模組，可滿足萬(wàn)億參數(shù)模型需求，并廣泛應(yīng)用于大語(yǔ)言模型、多模態(tài)AIGC、圖像與語(yǔ)音、推薦系統(tǒng)等。

MOSS-TTS Family是一套面向相高保真、高表現(xiàn)力與復(fù)雜場(chǎng)景生成的語(yǔ)音生成模型家族。它包含五個(gè)核心成員，共同構(gòu)成了一個(gè)覆蓋“穩(wěn)定生成、靈活設(shè)計(jì)、復(fù)雜對(duì)話、情境補(bǔ)全、實(shí)時(shí)交互”的聲音創(chuàng)作生態(tài)閉環(huán)。

MOSS-TTS：高保真、高表現(xiàn)力的語(yǔ)音生成基座，多語(yǔ)言、長(zhǎng)音頻、精確時(shí)長(zhǎng)控制；

MOSS-TTSD：全面更新1.0版本，面向真實(shí)對(duì)話場(chǎng)景的多說(shuō)話人語(yǔ)音合成，不僅播客，支持更多復(fù)雜對(duì)話場(chǎng)景；

MOSS-VoiceGenerator：復(fù)雜文本指令跟隨、用于音色與角色設(shè)計(jì)；

MOSS-SoundEffect：環(huán)境音與音效生成模型；

MOSS-TTS-Realtime：面向?qū)崟r(shí)交互的實(shí)時(shí)流式 TTS 模型；

MOSS-TTS Family是一整套可以使得用戶直接進(jìn)入創(chuàng)作流程、產(chǎn)品系統(tǒng)與交互場(chǎng)景的聲音生產(chǎn)工具鏈。你可以用同一套模型體系完成以下任務(wù)：

克隆一個(gè)說(shuō)話人的音色與表達(dá)風(fēng)格，用于紀(jì)錄片、講解或新聞播報(bào)；

生成具備真實(shí)節(jié)奏的雙人或多人對(duì)話，用于播客、綜藝或解說(shuō)；

通過(guò)指令設(shè)計(jì)帶有情緒與表演狀態(tài)的角色聲音；

為內(nèi)容補(bǔ)全環(huán)境音與音效；

以及在實(shí)時(shí)系統(tǒng)中，以流式方式持續(xù)輸出自然語(yǔ)音。

壁仞科技選取了2個(gè)音色文件，分別基于2段臺(tái)詞合成了對(duì)應(yīng)的音頻，達(dá)到了良好的展示效果：

壁仞科技本次適配的MOSS-TTS模型為高表現(xiàn)力語(yǔ)音生成基座，是整個(gè)MOSS-TTS Family的基礎(chǔ)模型，也是所有聲音能力得以成立的前提。它的核心目標(biāo)是在真實(shí)內(nèi)容與復(fù)雜場(chǎng)景中，穩(wěn)定地復(fù)現(xiàn)一個(gè)說(shuō)話者的聲音特征、表達(dá)方式與語(yǔ)言習(xí)慣，并穩(wěn)定地生成長(zhǎng)語(yǔ)音片段。 此次，壁仞科技與模思智能的軟硬協(xié)同，大幅降低各行業(yè)的應(yīng)用門(mén)檻，讓中小制作團(tuán)隊(duì)、內(nèi)容創(chuàng)作者也能便捷使用高表現(xiàn)力的語(yǔ)音生成技術(shù)，未來(lái)將充分釋放語(yǔ)音內(nèi)容創(chuàng)作的生產(chǎn)力，進(jìn)一步拓展了語(yǔ)音合成技術(shù)在內(nèi)容創(chuàng)作領(lǐng)域的應(yīng)用邊界。