MOSS-Audio-Tokenizer

把音频变成 token，让大模型能听会说

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署音频音乐 🍴 复刻 20 🐛 待处理 7 👀 关注 3

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 265

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，可免费使用和部署。

项目预览

MOSS-Audio-Tokenizer 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类音频音乐

开发团队OpenMOSS

官网地址https://mosi.cn/models/moss-tts

GitHubhttps://github.com/OpenMOSS/MOSS-Audio-Tokenizer

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0 许可证，可免费使用和部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型audio,audio-codec,audio-tokenizer,music,neural-codec,speech,speech-representation,streaming,tokenizer,tts,unified

GitHub 星标★ 265

上线时间2026-02-03 00:00:00

代码更新2026-06-16

仓库体积4.3 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数8

项目介绍

MOSS-Audio-Tokenizer 是一个基于因果 Transformer 架构（CAT）的音频分词器，旨在将连续音频信号转换为离散 token，为音频语言模型提供统一接口。它在大规模 300 万小时多样化音频数据上训练，支持流式处理和可变比特率，在重建质量上达到当前最优水平，并在生成和理解任务中表现强劲。该项目解决了传统音频分词器在流式场景下效率低、比特率固定、以及无法兼顾生成与理解任务的问题，为下一代原生音频语言模型提供了基础组件。核心能力包括：因果编码实现实时流式处理、动态比特率适配不同应用需求、以及统一的音频表示学习。目前项目处于早期阶段，代码和模型已开源，适合研究者探索音频 tokenization 的前沿方案。