MOSS-Audio-Tokenizer 是音频音乐领域的开源项目，由 OpenMOSS 开发，是 2026 年新上线的项目。
它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 257。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-14。Apache-2.0 许可证，可免费使用和部署。
它主要面向的使用场景是：音频语言模型预训练。同类可对比的替代方案包括 EnCodec、SoundStream、DAC。
MOSS-Audio-Tokenizer
把音频变成 token，让大模型能听会说
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。
开源
free
音频音乐
GitHub 星标
★ 257
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类音频音乐
开发团队OpenMOSS
所属国家
定价模式free
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
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★ 257
30天Star增速
HF 下载量
上线时间2026-02-03 00:00:00
最近更新2026-09-14 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6
使用教程
核心亮点
- 基于 300 万小时音频训练，数据规模大，表示学习充分
- 支持流式处理，适合实时交互场景
- 可变比特率设计，灵活适配不同任务需求
不足之处
- 项目早期，文档和社区生态待观察
- 模型较大，推理资源需求可能较高
适用场景
- 音频语言模型预训练
- 实时语音交互系统
- 音乐生成与理解
替代项目
EnCodec、SoundStream、DAC
项目介绍
同类项目推荐
tango
开源
输入一句话，自动生成匹配的音频内容
A family of diffusion models for text-to-audio generation.
AuK
开源
一个模型搞定语音生成、编辑与分离
AuK: An Open-Source Foundational Model for Speech Generation and Editing
swift-tts
开源
Swift 项目三行代码接入系统 TTS，兼容 TCA 和 Combine
A straightforward package containing version for Swift modern concurrency, Point-Fre···
ai-dj
开源
现场演出中实时用 AI 生成音乐，保持人类掌控
AI music generation for live performance - Standalone (Ableton Link) + VST3/AU. 8 tr···