VoiceSculptor是由西北工业大学、语图智能联合推出的前沿音色设计模型，支持对音色的性别、年龄、语速、音调、音量及情感等核心属性进行灵活调校，并融合检索增强生成（RAG）技术强化复杂指令理解能力。

OSUM支持8种语音任务，包括语音识别（ASR）、带时间戳的语音识别（SRWT）、语音事件检测（VED）、语音情感识别（SER）、说话风格识别（SSR）、说话人性别分类（SGC）、说话人年龄预测（SAP）以及语音转文本聊天（STTC）。