MOSS-TTSD（text to spoken dialogue）是一个开源的双语（支持中文和英文）口语对话合成模型。它可以将两位说话者之间的对话脚本转换为自然且富有表现力的对话语音。其主要亮点包括：生成表现力丰富、接近真人的对话语音；支持零样本（zero-shot）双人声音克隆；以及单次可生成长达 960 秒的长时程语音。该模型基于统一的语义-声学神经音频编解码器、一个预训练的大语言模型以及海量的语音数据构建而成，非常适合用于 AI 播客制作等场景
curl https://api.yourplatform.com/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model": "undefined",
"messages": [
{"role": "user", "content": "Hello!"}
],
"stream": true
}'