MOSS語音模型家族開源 解耦五款模型

單模型的困境

單一語音生成模型面對複雜現實需求已顯乏力：一段語音既要高保真模仿特定音色，又要自然切換說話風格，還須在幾十分鐘長敘述中保持穩定，並支援對話、角色扮演與實時交互等形態，遠超單一模型能力邊界。