音声
dia
A TTS model capable of generating ultra-realistic dialogue in one pass.
★ 19.4k スターApache-2.0
ガイドを見る →// audio · OpenMOSS/MOSS-TTSD
MOSS-TTSD
MOSS-TTSDは、OpenMOSSが公開しているオープンソースの音声プロジェクトです（GitHub: OpenMOSS/MOSS-TTSD）。GitHubスターは1,401、フォークは140で、Apache-2.0ライセンスの下で公開されています。GitHubでの最終更新は2026年9月6日です。
Multilingual long-form dialogue speech with zero-shot voice cloning.
💎 隠れた名作★ 1.4k スター⑂ 140 フォークApache-2.0更新 2026年9月
▦ ビジュアル — このプロジェクトのREADMEには埋め込み可能なスクリーンショットがないため、
ここではプレースホルダーを表示しています。下のガイド自体は完全な内容です。
ここではプレースホルダーを表示しています。下のガイド自体は完全な内容です。
// プロジェクトの基本情報
プロジェクト基本情報
- リポジトリ
- OpenMOSS/MOSS-TTSD
- GitHubスター
- 1,401
- フォーク
- 140
- ライセンス
- Apache-2.0
- GitHubでの最終更新
- 2026年9月6日
- カテゴリ
- 音声
- 掲載タイプ
- 隠れた名作 — あまり知られていないプロジェクトのための短めのページ
- 公式サイト
- Official site
// 仕組み
仕組み
- Get the model
Download weights and the inference code from the repo.
- Prepare a script
Write multi-speaker dialogue for it to voice.
- Assign speakers
Control which voice reads each line, cloning new ones as needed.
- Render the audio
Generate long-form speech in your target language.
// 機能
選ばれる理由
Multi-speaker dialogue
Keeps distinct voices consistent across long conversations.
Zero-shot cloning
Clones a voice from a short sample without retraining.
Multilingual
Synthesizes dialogue in multiple languages.
Flexible speaker control
Directs who speaks each line in the script.
Streaming support
Can stream output for interactive applications.
Apache-2.0 license
Commercial-friendly terms for research and products.
Advertisement
// 自分で実行
自分で実行してみる
- Step 1 — Clone the repo
Download the source and move into the project folder.
git clone https://github.com/OpenMOSS/MOSS-TTSD.git cd MOSS-TTSD - Step 2 — Check the README
Every project documents its own setup; start with install requirements.
cat README.md | head -60 - Step 3 — Run it
Follow the project's launch command — Docker, pip, npm, or a binary release.
# see README for the exact launch command
// 活用例
作れるもの
- Generate multi-voice podcast episodes.
- Prototype dubbed dialogue for videos.
- Research conversational speech synthesis.
- Build multi-speaker voice assistants.
Advertisement
// よくある質問
よくある質問
Who maintains MOSS-TTSD?
It is an open-source project at OpenMOSS/MOSS-TTSD with 140 forks. Check the repo's contributors and recent commits to see how active maintenance is.
Is MOSS-TTSD free for commercial use?
Apache 2.0 licensed — commercial use allowed with attribution.
What makes it different from single-voice TTS?
It is built for long-form dialogue with multiple consistent speakers, not isolated lines.
How much compute do I need?
It is a research model — a decent GPU is the realistic starting point.
Which languages does it support?
It is described as multilingual; check the model docs for the full list.
// さらに探索
似ているツール
音声
F5 TTS
Official code for "F5-TTS: A Fairytaler that Fakes Fluent and Faithful Speech with Flow Matching"
★ 15.3k スターMIT
ガイドを見る →音声
GPT-SoVITS
1 min voice data can also be used to train a good TTS model! (few shot voice cloning)
★ 62.3k スターMIT
ガイドを見る →音声
CosyVoice
CosyVoice: multilingual voice generation with zero-shot cloning, streaming and fine-tuning
★ 23.9k スターApache-2.0
ガイドを見る →音声
MOSS-TTS
MOSS-TTS family: open text-to-speech models for voice cloning, dialogue, voice design, and real-time agents
★ 4.2k スターApache-2.0
ガイドを見る →音声
index-tts
IndexTTS: industrial-level, controllable zero-shot text-to-speech with voice cloning
★ 24.4k スターNOASSERTION
ガイドを見る →// 代替候補
代替候補： 音声
LibreAIカタログに掲載された音声プロジェクトの中で最もスターの多いもの — MOSS-TTSDが合わなかった場合に検討したい、現実的な候補リストです。
- MoneyPrinterTurbo★ 128.3k
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short videos from a topic or keyword with an automated AI workflow.
- Whisper★ 109.9k
Robust Speech Recognition via Large-Scale Weak Supervision
- GPT-SoVITS★ 62.3k
1 min voice data can also be used to train a good TTS model! (few shot voice cloning)
- Real-Time-Voice-Cloning★ 60.2k
Clone a voice from 5 seconds of audio and generate arbitrary speech in real time
- whisper.cpp★ 54.1k
Port of OpenAI's Whisper model in C/C++
// さらに見る audio
さらに見る： 音声
カタログの中でMOSS-TTSDとスター数が近い音声プロジェクト — 前後の棚もそのまま見て回れます。
- transcribe-anything★ 1.4k
Blazing-fast multi-backend Whisper transcription for any file or URL.
- Irodori-TTS★ 1.4k
Expressive TTS where emojis steer the speaking style.
- Chatterbox-TTS-Server★ 1.5k
Self-host Chatterbox TTS with web UI, API, and voice cloning.
- book★ 1.4k
A book by the HardHacker Labs team chronicling how their product Podwise grew
- nightingale★ 1.5k
Machine-learning karaoke with scores — sing at home, for free.
- kubeai★ 1.3k
The easiest way to serve AI models, including speech-to-text, on Kubernetes.