개요
MOSS-TTS 패밀리는 텍스트 음성 변환, 음성 클로닝, 음향 효과 생성 및 실시간 스트리밍 처리 등의 모델을 제공합니다. 다국어 합성과 미세 조정을 지원하며, 효율적인 추론 백엔드를 갖추고 있어 높은 표현력과 복잡한 실제 시나리오에 적합합니다.
README 미리보기
# MOSS-TTS Family\n\n\n\n\n \n \n \n\n\n\n\n\n \n \n \n \n \n\n \n \n \n \n \n\n\n\n[English](README.md) | [简体中文](README_zh.md)\n\n\nMOSS‑TTS Family is an open‑source **speech and sound generation model family** from [MOSI.AI](https://mosi.cn/#hero) and the [OpenMOSS team](https://www.open-moss.com/). It is designed for **high‑fidelity**, **high‑expressiveness**, and **complex real‑world scenarios**, covering stable long‑form speech, multi‑speaker dialogue, voice/character design, environmental sound effects, and real‑time streaming TTS.\n\n\n## News\n* 2026.5.26: 🚀 Released [MOSS-SoundEffect-v2.0](https://huggingface.co/OpenMOSS-Team/MOSS-SoundEffect-v2.0), a new text-to-audio model using a **DiT backbone with the Flow Matching objective**, generating **48 kHz** bilingual sound effects up to **30 seconds** — see [`moss_soundeffect_v2/`](https://github.com/OpenMOSS/MOSS-TTS/tree/main/moss_soundeffect_v2).\n* 2026.5.26: 🚀 Released [MOSS-TTS-v1.5](https://huggingface.co/OpenMOSS-Team/MOSS-TTS-v1.5), with stronger multilingual synthesis when language tags are provided, more stable voice cloning, better long-reference short-text cloning, punctuation-following prosody, and explicit pause control via `[pause X.Ys]`.\n* 2026.5.6: 🚀 MOSS-TTS and MOSS-Audio-Tokenizer now support `mlx-audio`. Visit the [mlx-audio GitHub repository](https://github.com/Blaizzy/mlx-audio) for details.\n* 2026.4.29: 📝 MOSS-TTS 2.0 is coming soon! We are collecting TTS feedback, suggestions, and feature requests via the [requirements collection form](https://acnc6zeentra.feishu.cn/share/base/form/shrcnyAe1LwqKWjCSuW4wiZ2Hef).\n* 2026.4.13: 🚀 MOSS-TTS-Nano, our ~100M-parameter model, is now available! It supports multilingual voice cloning, 48 kHz stereo input/output, and streaming output on just 4 CPU cores. Check the [GitHub repository](https://github.com/OpenMOSS/MOSS-TTS-Nano) and our [blog](https://openmoss.github.io/MOSS-TTS-Nano-Demo/) for more detai
FAQ (3)
문제 해결/api/v1/voices 퍼블릭 음성 API 엔드포인트가 음성 데이터를 반환하지 않는 문제를 해결하는 방법
이 문제는 백엔드 서비스 구성 이상으로 인해 발생했습니다. 공식 팀이 수정 사항의 프로덕션 배포를 완료했으며, /api/v1/voices 엔드포인트가 이제 음성 데이터를 정상적으로 반환합니다. API 요청을 다시 시도해 주세요. 재시도 후에도 문제가 지속되면 공식 지원팀에 문의하여 추가 지원을 받으시기 바랍니다.
문제 해결MOSS-TTS v1.5 Continuation + Clone이 일본어 대상 텍스트 대신 참조 트랜스크립트를 반복하는 것을 방지하는 방법은?
이는 mode="continuation"가 참조 오디오와 ref_text를 실제 접두사로 취급하여 그로부터 이어지는 음성을 생성하기 때문에 발생합니다. 참조 텍스트와 대상 텍스트가 서로 관련이 없으면 모델이 접두사를 반복하거나, 접두사의 단어로 대체하거나, 대상 텍스트 앞에 접두사를 삽입할 수 있습니다.
관련 없는 텍스트로 짧은 발화 음성 클로닝을 할 때는 Continuation + Clone 대신 Clone 모드를 사용하세요. 대상 텍스트와 참조 오디오만 전달하고 어시스턴트 접두사 오디오는 생략하세요:
conversations = [[
processor.build_user_message(
text=text_2,
reference=[ref_audio_2],
language="ja"
)
]]
batch = processor(conversations, mode="clone")그런 다음 동일한 model.generate(...) 및 디코딩 흐름을 실행하세요.
mode="continuation"은 참조 오디오가 실제로 앞선 음성이고 대상 텍스트가 그 자연스러운 연속인 경우에만 사용하세요. 음색 클로닝만 원하는 경우에는 text=ref_text_2 + text_2처럼 관련 없는 참조 전사문을 대상 텍스트와 이어 붙이지 마세요.
문제 해결Mosi/MOSS TTS Studio에서 pause 태그가 작동하지 않는 이유는 무엇인가요?
Studio 환경에 배포된 모델은 문서와 다를 수 있습니다. MOSS TTS 1.5가 배포된 https://platform.mosi.cn/에서 최신 모델을 사용해 보세요. 사용자들은 pause-tag 및 instruction-following 동작이 개선되었다고 보고했습니다. zuo4 cheng2 shi4와 같은 Pinyin 톤 제어도 해당 환경에서 더 안정적이지만, 생성 결과가 여전히 일관되지 않을 수 있으므로 오디오를 다시 생성해야 할 수도 있습니다. 보고된 버전에는 완전히 결정론적인 해결 방법이 없습니다.