أطلقت OpenMOSS نموذج MOSS-Transcribe-Diarize، وهو نموذج لفهم الصوت من البداية إلى النهاية يحتوي على 0.9 مليار معلمة، مصمم للنسخ طويل المدى لمتحدثين متعددين، والتعرف على المتحدثين (Diarization)، والطوابع الزمنية، والوعي بالأحداث الصوتية.
يقوم النموذج بأداء نسخ الكلام والتعرف على المتحدثين معاً في عملية واحدة، مما يلغي الحاجة إلى ربط أنظمة ASR وأنظمة التعرف على المتحدثين بشكل منفصل. ينتج نصوصاً مكثفة ومتزامنة زمنياً مع تسميات متحدثين مجهولين مثل [S01] و[S02]. مبني على فك تشفير سببي بأسلوب Qwen3-0.6B ومشفّر Whisper-Medium، ويدعم تعليمات النسخ المخصصة، والكلمات الساخنة (Hotwords)، وتعليقات الأحداث الصوتية.
يوفر هذا النهج رؤية أغنى لمحتوى الصوت للأنظمة اللاحقة من خلال تحديد من تحدث ومتى داخل الاجتماعات والمكالمات والبودكاست والتسجيلات الطويلة الأخرى.