MOSS теперь не только генерирует картинки: вышел голосовой ассистент MOSS-Live и готовятся новые видео-модели.
Проект MOSS перестал быть только генератором изображений. Китайская команда OpenMOSS представила голосового AI-ассистента MOSS-Live, который умеет одновременно слушать, говорить и выполнять задачи.
Ранее, 16 октября, команда выпустила MOSS-Image: открытую модель генерации изображений с 5 млрд параметров.
Главная особенность MOSS-Live: полнодуплексный разговор. Ассистент отличает обычное «угу» от настоящего перебивания, не торопит собеседника во время пауз и может продолжить ответ с того места, где остановился.
Дополнительно MOSS-Live поддерживает синхронный перевод, получает визуальную информацию с камеры или экрана и способен выполнять длительные задачи в фоне, не прерывая разговор. Сейчас продукт доступен в бета-версии, в том числе через API.
Линейка MOSS
Кроме MOSS-Live, у команды OpenMOSS есть модели синтеза и клонирования речи MOSS-TTS, распознавания и анализа аудио MOSS-Audio, понимания изображений и видео MOSS-VL и генератор изображений MOSS-Image.
В январе 2026 года разработчики выпустили MOVA: открытую модель, которая одновременно генерирует видео и звук. Её веса доступны на Hugging Face.
Что готовят разработчики
На Reddit команда рассказала о планах:
- MOSS-Anime: специализированная версия генератора изображений.
- Новая модель редактирования изображений и работы с референсами.
- MOSS-TTS 2.0 с улучшенным управлением эмоциями и стилем речи. Релиз намечен на ноябрь.
- Новый компактный генератор видео со звуком. Команда уже обучает его, цель: качественная анимация и запуск на потребительских видеокартах.
Мы надеемся, что с MOSS не повторится история Z-Image, когда анонсов было много, но проект затих.
Источники:
- Анонс MOSS-Live: x.com
- Официальная линейка моделей: moss.cn
- MOVA и открытые веса: github.com
- AMA команды с планами новых моделей: Reddit
Ещё новости:
