MOSS-SoundEffect不仅能生成高质量音频，更能在环境音丰富度、类型覆盖与时长可控性上实现系统性提升。依托 1w+ 小时高质量训练数据，无论是自然场景、城市氛围、动物生物声，还是人体动作与音乐片段，都能从一段文本提示词稳定生成，适配内容创作、游戏影视与数据合成等多种场景。
该模型与 MOSS-TTS 共享相同的架构。
- 高保真音效
- 环境声
- 时长可控
- 48 kHz
- 全参数微调
MOSS-SoundEffect
面向内容创作的开源音效生成模型。用中英文描述生成环境声、动作音效、生物声音与短音乐片段，以 48 kHz 输出最长 30 秒的音频。采用 DiT 与 Flow Matching 架构，支持使用自有数据进行全参数 DiT 微调。
- 作者
- OpenMOSS Team
- 版本
- v2.0
- 开源许可
- Apache 2.0