MOSS-SoundEffect-v2.0: генерация звуковых эффектов по тексту

Выпущена модель MOSS-SoundEffect-v2.0, использующая архитектуру Diffusion Transformer для создания высококачественных звуковых эффектов до 30 секунд.

Автор Sergey KostenchukОпубликовано 2026-07-14Обновлено 2026-07-14

2026-07-14 Мультимодальность HuggingFace

🎨 MOSS-SoundEffect-v2.0: генерация звуковых эффектов по тексту

Выпущена MOSS-SoundEffect-v2.0 — новая модель для создания SFX по текстовому описанию. Благодаря переходу к архитектуре Diffusion Transformer (DiT) с Flow Matching, модель обеспечивает высокую реалистичность и стабильность звуковых сцен (48 кГц, до 30 секунд).

🌍 Переход к DiT приближает качество генерации SFX к профессиональным стандартам звукорежиссуры.

👤 Создавайте сложные звуковые окружения простым текстом через Python или ComfyUI.

Источник 1: https://github.com/OpenMOSS/MOSS-TTS/tree/main/moss_soundeffect_v2 Источник 2: https://huggingface.co/OpenMOSS-Team/MOSS-SoundEffect-v2.0

Источники