Buchumschlag

MOSS-Audio Technical Report

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Chen, Yu, Chufan, Chen, Hanfu, Zhu, Jie, Chen, Jingqi, Chen, Ke, Wang, Wenxuan, Wang, Yang, Jiang, Yaozhou, Jiang, Yi, Lin, Zhengyuan, Chen, Ziqi, Fei, Zhaoye, Liu, Chenghao, Zhan, Jun, Yu, Kang, Huang, Kexin, Chen, Mingshu, Cheng, Qinyuan, Li, Ruixiao, Li, Shimin, Wang, Songlin, Gao, Yang, Zhang, Yiyang, Qiu, Xipeng
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Sound Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MOSS-TTS Technical Report
von: Gong, Yitian, et al.
Veröffentlicht: (2026)

MOSS Transcribe Diarize Technical Report
von: AI, MOSI., et al.
Veröffentlicht: (2026)

MOSS-TTSD: Text to Spoken Dialogue Generation
von: Zhang, Yuqian, et al.
Veröffentlicht: (2026)

MOSS-Audio-Tokenizer: Scaling Audio Tokenizers for Future Audio Foundation Models
von: Gong, Yitian, et al.
Veröffentlicht: (2026)

MOSS-Speech: Towards True Speech-to-Speech Models Without Text Guidance
von: Zhao, Xingjian, et al.
Veröffentlicht: (2025)

MOSS-VoiceGenerator: Create Realistic Voices with Natural Language Descriptions
von: Huang, Kexin, et al.
Veröffentlicht: (2026)

InstructTTSEval: Benchmarking Complex Natural-Language Instruction Following in Text-to-Speech Systems
von: Huang, Kexin, et al.
Veröffentlicht: (2025)

How Attention Sinks Emerge in Large Language Models: An Interpretability Perspective
von: Peng, Runyu, et al.
Veröffentlicht: (2026)

MOVA: Towards Scalable and Synchronized Video-Audio Generation
von: OpenMOSS Team, et al.
Veröffentlicht: (2026)

WESR: Scaling and Evaluating Word-level Event-Speech Recognition
von: Yang, Chenchen, et al.
Veröffentlicht: (2026)

Agent Alignment in Evolving Social Norms
von: Li, Shimin, et al.
Veröffentlicht: (2024)

CodecBench: A Comprehensive Benchmark for Acoustic and Semantic Evaluation
von: Deng, Ruifan, et al.
Veröffentlicht: (2025)

Technical Report for ActivityNet Challenge 2022 -- Temporal Action Localization
von: Chen, Shimin, et al.
Veröffentlicht: (2024)

Technical Report for Soccernet 2023 -- Dense Video Captioning
von: Ruan, Zheng, et al.
Veröffentlicht: (2024)

Technical Report for SoccerNet Challenge 2022 -- Replay Grounding Task
von: Chen, Shimin, et al.
Veröffentlicht: (2024)

RAIRS: Optimizing Redundant Assignment and List Layout for IVF-Based ANN Search
von: Yang, Zehai, et al.
Veröffentlicht: (2026)

LITS: An Optimized Learned Index for Strings (An Extended Version)
von: Yang, Yifan, et al.
Veröffentlicht: (2024)

Interactive ASR: Towards Human-Like Interaction and Semantic Coherence Evaluation for Agentic Speech Recognition
von: Wang, Peng, et al.
Veröffentlicht: (2026)

Floquet Nonadiabatic Mixed Quantum-Classical Dynamics in Laser-Dressed Solid Systems
von: Chen, Jingqi, et al.
Veröffentlicht: (2024)

XY-Tokenizer: Mitigating the Semantic-Acoustic Conflict in Low-Bitrate Speech Codecs
von: Gong, Yitian, et al.
Veröffentlicht: (2025)

X-VC: Zero-shot Streaming Voice Conversion in Codec Space
von: Zheng, Qixi, et al.
Veröffentlicht: (2026)

Improving the Computational Efficiency and Explainability of GeoAggregator
von: Deng, Rui, et al.
Veröffentlicht: (2025)

GeoAggregator: An Efficient Transformer Model for Geo-Spatial Tabular Data
von: Deng, Rui, et al.
Veröffentlicht: (2025)

Glycoside Hydrolase Family 16 Enzyme RsEG146 From Rhizoctonia solani AG1 IA Induces Cell Death and Triggers Defence Response in Nicotiana tabacum
von: Chen Chen, et al.
Veröffentlicht: (2025)

InsCL: A Data-efficient Continual Learning Paradigm for Fine-tuning Large Language Models with Instructions
von: Wang, Yifan, et al.
Veröffentlicht: (2024)

Computer‐Aided Technology for Bioactive Protein Design and Clinical Application
von: Chufan Wang, et al.
Veröffentlicht: (2025)

Reflective Unit Test Generation for Precise Type Error Detection with Large Language Models
von: Yang, Chen, et al.
Veröffentlicht: (2025)

World Modeling Makes a Better Planner: Dual Preference Optimization for Embodied Task Planning
von: Wang, Siyin, et al.
Veröffentlicht: (2025)

Largest $2$-regular Subgraphs in complete $S$-partite Graphs
von: Jiang, Yiyang, et al.
Veröffentlicht: (2026)

CLIPDrag: Combining Text-based and Drag-based Instructions for Image Editing
von: Jiang, Ziqi, et al.
Veröffentlicht: (2024)

Exploring Cross-Modal Flows for Few-Shot Learning
von: Jiang, Ziqi, et al.
Veröffentlicht: (2025)

How to Mitigate Overfitting in Weak-to-strong Generalization?
von: Shi, Junhao, et al.
Veröffentlicht: (2025)

VisuoThink: Empowering LVLM Reasoning with Multimodal Tree Search
von: Wang, Yikun, et al.
Veröffentlicht: (2025)

Clarifying Semantics of In-Context Examples for Unit Test Generation
von: Yang, Chen, et al.
Veröffentlicht: (2025)

Vibration Suppression and Trajectory Tracking Control of Flexible Joint Manipulator Based on PSO Algorithm and Fixed-Time Control
von: Yan Guan, et al.
Veröffentlicht: (2024)

Sampling from Constrained Gibbs Measures: with Applications to High-Dimensional Bayesian Inference
von: Wang, Ruixiao, et al.
Veröffentlicht: (2026)

Authors' Reply: “Deep Learning for Staging Periodontitis Using Panoramic Radiographs”
von: Xin Li, et al.
Veröffentlicht: (2025)

On bicanonical maps of threefolds of general type with large volumes
von: Jiang, Chen, et al.
Veröffentlicht: (2025)

Semi-Clairvoyant Scheduling of Speculative Decoding Requests to Minimize LLM Inference Latency
von: Li, Ruixiao, et al.
Veröffentlicht: (2025)

The Effect of Income Polarization on Crime: Evidence From Court Judicial Documents in China
von: Jingqi Liu, et al.
Veröffentlicht: (2025)