MOSS-SoundEffect-v2.0

MOSS-SoundEffect-v2.0

根据文字提示生成音效，比如自然环境、城市场景、动物和人的动作，最长 30 秒、48 kHz。适合用英文或中文描述声音的创作者和开发者。

由 OpenMOSS-Team 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：MOSS-SoundEffect v2.0 把一段文字描述变成音频。你用文字描述一个声音，它就生成对应的片段。它使用以流匹配训练的扩散 Transformer，配合一个音频 VAE 和 Qwen3 文本编码器。

它属于 MOSS-TTS 系列，在系列里负责非语音声音。2.0 版把早先逐 token 生成的设计换成了连续潜变量的设计。

适合谁：它适合不想自己录音效的创作者和开发者，只要你能用英文或中文写一句简短的声音描述。

行业 | 谁在用 | 怎么用 | 例子
游戏 | 音效设计师 | 用文字起草环境音和生物音 | 做一段森林背景循环
视频 | 剪辑师 | 给剪辑加上占位音效 | 生成一段城市街道环境音
软件 | 开发者 | 把声音生成做进应用 | 按需生成音效
研究 | 音频研究者 | 研究文字转音频生成 | 对比不同提示词和设置

如果你需要语音、人声或完整歌曲，可以跳过它，因为这个模型生成的是音效和短小的类音乐片段。

用在哪里：模型卡展示了一个在 CUDA GPU 上运行的 Python 流水线，机器上要能搭建 Python 3.12 环境。

• 加载流水线的 Python 脚本
• 项目自带的 Gradio 演示
• Windows、macOS 或 Linux，用来下载文件

用途 | 谁 | 得到什么
环境音 | 音效设计师 | 自然和城市环境的声音
生物和动作声 | 游戏团队 | 动物、生物和人的动作音效
短片段 | 创作者 | 短小的类音乐或打击乐片段

如何设置：你需要 conda 或其他搭建 Python 3.12 环境的方式、一块 CUDA GPU，以及 GitHub 上 MOSS-TTS 仓库里的项目代码。

• 干净环境里的 Python 3.12
• 一块 CUDA GPU
• MOSS-TTS 仓库的 moss_soundeffect_v2 文件夹

1. 创建并激活一个干净的 Python 3.12 环境。
2. 从 GitHub 获取 MOSS-TTS 仓库，并打开 moss_soundeffect_v2 文件夹。
3. 用 pip 安装，如果不打算微调，就用只做推理的选项。
4. 下载模型文件。

conda create -n moss-soundeffect-v2 python=3.12 -y
conda activate moss-soundeffect-v2

pip install -U huggingface_hub
hf download OpenMOSS-Team/MOSS-SoundEffect-v2.0

如何使用：你先加载一次流水线，再用文字提示词和秒数调用它。它返回一个波形，你把它保存成 WAV 文件。

import torch
from moss_soundeffect_v2 import MossSoundEffectPipeline

pipe = MossSoundEffectPipeline.from_pretrained(
    "OpenMOSS-Team/MOSS-SoundEffect-v2.0",   # this repo, or a local dir
    torch_dtype=torch.bfloat16,
    device="cuda",
)

audio = pipe(
    prompt="A dog barking loudly in a park.",
    seconds=10,
    num_inference_steps=100,
    cfg_scale=4.0,
)                                            # (B, C, T) waveform tensor
pipe.save_audio(audio, "out.wav")

设置 | 默认值 | 控制什么
num_inference_steps | 100 | 采样器走多少个求解步
cfg_scale | 4.0 | 提示词对结果的引导强度
sigma_shift | 5.0 | 每次调用应用的调度器偏移
seconds | 10.0 | 片段的长度，最长 30

示例：你写一条提示词，要求生成雨打在金属屋顶上的声音，并把长度设为 10 秒。流水线返回一个波形，你把它保存成 out.wav 来试听。

新手与专家：如果你是新手，先用默认设置和一条简短的提示词运行一次示例脚本，再改提示词和长度。第一次调用可能要几分钟，因为这时模型在编译。

如果你懂这个领域，扩散 Transformer 以流匹配目标训练，用流匹配求解器采样。模型卡指出它用 torch.compile 和 Triton CUDA Graph 包装，出现编译器错误时建议设置 TORCHDYNAMO_DISABLE=1。

Qwen3 对文字提示词编码
扩散 Transformer 采样出潜变量
音频 VAE 解码
把波形保存成 WAV

注意事项：片段最长 30 秒、48 kHz，模型用英文和中文的描述训练过。模型卡指向项目的 README 来查看 Gradio 演示和微调方法。

• License: apache-2.0
• Cost to run: 未提及费用，但需要 CUDA GPU
• Data it reaches: 你下载的文件，以及你写的提示词
• Not for: 语音或人声生成，因为它生成的是非语音声音

Hugging Face 上的数据（2026年11月13日）

• 任务：text to audio
• 框架：diffusers
• 参数量：1.4B
• Weights: about 5.7 GB in F32; about 708 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：6,096
• 点赞：158
• 许可证：apache-2.0
• 语言：en, zh
• 基于：Qwen/Qwen3-1.7B
• Quantized versions: 1
• Fine-tunes: 3
• 标签：diffusers, safetensors, text-to-audio, diffusion, flow-matching, sound-effects, audio-generation

链接

• 模型：https://huggingface.co/OpenMOSS-Team/MOSS-SoundEffect-v2.0
• 文件：https://huggingface.co/OpenMOSS-Team/MOSS-SoundEffect-v2.0/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download OpenMOSS-Team/MOSS-SoundEffect-v2.0

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。