OpenMOSS 相关 AI 资讯 · AI 热点

7月19日

16:07

16:07

宝玉@dotey

精选

宝玉将 OpenMOSS 开源的 MOSS-Transcribe-Diarize-0.9B 集成到剪映工具 BaoCut 中，可直接输出带精确时间戳和说话人标注的结构化转写结果。该模型无需专用发言人识别模型，但转录速度比 Qwen3-ASR-0.6B 慢，且不支持标点符号，自定义 Prompt 与热词也未生效。项目地址为 github.com/OpenMOSS/MOSS-Transcribe-Diarize。

AI模型 BaoCut OpenMOSS MOSS-Transcribe-Diarize-0.9B

推荐理由：宝玉给 BaoCut 集成了 MOSS-Transcribe-Diarize-0.9B，能一次搞定长音频转写和说话人标注，省去额外模型，适合做字幕或会议记录。

16:06

16:06

宝玉@dotey

精选

OpenMOSS 开源了 MOSS-Transcribe-Diarize-0.9B 模型，参数规模 0.9B，支持 128K 上下文，最长可一次处理约 90 分钟音频。该模型采用 Whisper-Medium 编码器 + Qwen3-0.6B 风格 decoder，端到端完成转写、说话人分离和时间对齐，无需级联流程。在单张 4090 显卡上，RTF 为 0.017，5-10 分钟录音约 30 秒转完，并支持热词增强。模型以 Apache 2.0 协议开源，可商用。

AI模型 OpenMOSS MOSS-Transcribe-Diarize-0.9B Whisper

推荐理由：OpenMOSS 开源了一个 0.9B 参数的端到端模型，能一次搞定 90 分钟多人音频，告诉你谁说了什么、什么时候说的，单卡 4090 跑得飞快。

7月15日

08:41

08:41

berryxia@berryxia

精选72°

OpenMOSS 发布 MOSS-VL-Realtime，一个 11B 参数的多模态模型，支持实时视频流交互，可边接收视频边生成回复。采用 Cross-Attention 架构和 XRoPE 位置编码，支持 256K 上下文窗口，兼容文本、单图/多图、视频及图文交错输入。在流式视频理解基准上达到开源模型领先水平，主动预警和及时响应能力突出。同时开源 MOSS-VL-0708 Instruct，在细粒度感知和长视频理解任务上有明显提升。所有模型以 Apache-2.0 协议开源，支持本地部署和实时推理。

AI模型 OpenMOSS MOSS-VL-Realtime 多模态

推荐理由：OpenMOSS 发了能边看视频边聊天的实时多模态模型，11B 参数开源可部署，适合做监控、直播等持续视频理解应用。