# Higgs TTS 3

Éditeur : Boson AI (États-Unis). Poids ouverts. Licence : Boson Higgs TTS 3 Research and Non-Commercial License.

En bref : 25e sur 31 en synthèse vocale en français, ex æquo avec 3 autres modèles dont les marges d'erreur se recouvrent ; 12e sur 16 en prononciation du français ; 68e sur 96 en synthèse vocale en anglais (Artificial Analysis), ex æquo avec 11 autres modèles dont les marges d'erreur se recouvrent.

Page : https://quelleia.com/voix/modeles/boson-ai-higgs-tts-3-4b/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Modèle de synthèse vocale de Boson AI pensé pour faire parler des agents conversationnels, servi par l'API de l'éditeur et publié avec ses poids sur Hugging Face. Il clone une voix sans entraînement et se pilote par des balises insérées dans le texte (émotion, style, débit, pauses, bruitages). (lu sur https://www.boson.ai/blog/higgs-tts-3, https://docs.boson.ai/models/higgs-tts/overview)

- Sortie : 4 juin 2026 (lu sur la page de l'éditeur, https://www.boson.ai/blog/higgs-tts-3)
- Taille : environ 4 milliards de paramètres (lu sur la page de l'éditeur, https://huggingface.co/bosonai/higgs-tts-3-4b/raw/main/README.md)

## Langues

- Annoncées par l'éditeur : 102 langues, dont le français.
- Prises en charge selon Open TTS Leaderboard : 102 langues.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 25e sur 31 en synthèse vocale en français (1 050), 12e sur 16 en prononciation du français (10,68 %).
- Source des langues annoncées : https://docs.boson.ai/models/higgs-tts/languages, https://huggingface.co/bosonai/higgs-tts-3-4b/raw/main/README.md

## Ses classements

- Synthèse vocale en français : 25e sur 31, Elo 1 050 (intervalle à 95 % : 1 029 à 1 071), 1 149 votes ; prix : 15 $ par million de caractères. Source : Artificial Analysis, https://artificialanalysis.ai/text-to-speech/model-families/higgs-audio (relevé du 19 octobre 2026).
- Prononciation du français : 12e sur 16, taux d'erreur par mot 10,68 % ; vitesse : RTFx 51 : produit 51 secondes d'audio par seconde de calcul ; clonage de voix : oui. Source : Open TTS Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_tts_leaderboard (relevé du 19 octobre 2026, version du 9 octobre 2026).
- Synthèse vocale en anglais, Artificial Analysis : 68e sur 96, Elo 1 042 (intervalle à 95 % : 1 029 à 1 055), 2 159 votes ; prix : 15 $ par million de caractères. Source : Artificial Analysis, https://artificialanalysis.ai/text-to-speech/model-families/higgs-audio (relevé du 19 octobre 2026).

## Modèles proches

- Synthèse vocale en français : [OpenAudio S1 Mini](https://quelleia.com/voix/modeles/fish-audio-openaudio-s1-mini/), 24e (1 057), juste devant
- Synthèse vocale en français : [Fish Audio S2 Pro](https://quelleia.com/voix/modeles/fish-audio-s2-pro/), 26e (1 049), juste derrière
- Prononciation du français : [Pocket TTS](https://quelleia.com/voix/modeles/pocket-tts/), 11e (7,74 %), juste devant
- Prononciation du français : [VibeVoice-Realtime-0.5B](https://quelleia.com/voix/modeles/microsoft-vibevoice-realtime-0-5b/), 13e (11,92 %), juste derrière
- Synthèse vocale en anglais, Artificial Analysis : [OpenAudio S1 Mini](https://quelleia.com/voix/modeles/fish-audio-openaudio-s1-mini/), 67e (1 044), juste devant
- Synthèse vocale en anglais, Artificial Analysis : [Bland Speech v3](https://quelleia.com/voix/modeles/bland-speech-v3/), 69e (1 039), juste derrière

## Comment lire ces chiffres

- Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.

## Noms dans les sources

- Artificial Analysis : Higgs Audio V3 TTS
- Hugging Face (hf-audio) : bosonai/higgs-tts-3-4b

## Liens

- Page de l'éditeur : https://www.boson.ai/blog/higgs-tts-3
- L'essayer : https://docs.boson.ai/models/higgs-tts/overview
- Les poids sur Hugging Face : https://huggingface.co/bosonai/higgs-tts-3-4b

## Pages lues

- https://www.boson.ai/blog/higgs-tts-3 (« Higgs TTS 3: beyond reading, toward real speech for voice AI The Boson AI Team June 4, 2026 »), 17/10/2026
- https://www.boson.ai/blog/higgs-tts-3 (« It turns model responses into expressive conversational speech across 100+ languages, with zero-shot voice cloning and inline control over emotion, style, prosody, pauses, and sound effects. »), 17/10/2026
- https://www.boson.ai/blog/higgs-tts-3 (« For local inference, the model weights are available on Hugging Face . »), 17/10/2026
- https://docs.boson.ai/models/higgs-tts/overview (« "model": "higgs-tts-3", "input": "Hello, this is a test." »), 17/10/2026
- https://docs.boson.ai/models/higgs-tts/languages (« Higgs TTS 3 supports 102 languages with single-digit WER/CER. »), 17/10/2026
- https://huggingface.co/bosonai/higgs-tts-3-4b/raw/main/README.md (« The model reaches **single-digit WER/CER on 102 languages**, which split into two tiers. »), 17/10/2026
- https://huggingface.co/bosonai/higgs-tts-3-4b/raw/main/README.md (« 🇫🇷🇨🇦 French »), 17/10/2026
- https://huggingface.co/bosonai/higgs-tts-3-4b/raw/main/README.md (« | Backbone | ~4B autoregressive decoder (36 L, hidden=2560, GQA 32/8) | »), 17/10/2026
- https://huggingface.co/api/models/bosonai/higgs-audio-v3-tts-4b (« "_id":"6a210f1c9a4c02e5012e4e56","id":"bosonai/higgs-tts-3-4b" »), 17/10/2026
- https://huggingface.co/bosonai/higgs-tts-3-4b/raw/main/README.md (« @misc{bosonai_higgs_audio_tts_v3_2026, »), 17/10/2026