OpenMOSS 開源 MOSS-Image:50 億引數文生圖,支援精準佈局與文字渲染
OpenMOSS 開源 50 億引數文生圖模型 MOSS-Image,提供 Base 與 SFT 兩個版本。它支援繪製邊界框控制畫面構圖與文字渲染,Transformer 部分僅約 10GB,可在消費級顯示卡執行。不過目前僅支援純文本生成,暫無法用自然語言編輯圖片。
OpenMOSS 開源 50 億引數文生圖模型 MOSS-Image,提供 Base 與 SFT 兩個版本。它支援繪製邊界框控制畫面構圖與文字渲染,Transformer 部分僅約 10GB,可在消費級顯示卡執行。不過目前僅支援純文本生成,暫無法用自然語言編輯圖片。
OpenMOSS 開源 11B 即時影片理解模型 MOSS-VL-Realtime。它專為連續影片流設計,改變了必須讀完全片才能作答的傳統模式;支援使用者在推流時隨時提問打斷,並在畫面資訊不足時主動靜默或動態修正。
OpenMOSS 開源多語言語音模型家族 MOSS-TTS,支援憑几秒音訊快速克隆聲音。該系列涵蓋聲音克隆、多角色對話、聲音設計與低延遲即時流式語音,提供 8B 與 1.7B 等輕量版本,已在 GitHub 提供部署程式碼。
OpenMOSS 開源影片生成模型 MOVA,可在單個模型內原生同步生成畫面與聲音。它採用 320 億引數的 MoE 架構,執行啟用 180 億引數,支援多語言對口型。程式碼和權重已上線 GitHub,不過 720p 版本約 77 GB,對視訊記憶體要求較高。