OpenAudio S1 Mini
Fish Audio · États-Unis
- Poids ouverts
- Licence : CC BY-NC-SA 4.0
- Français annoncé
En bref : 24e sur 31 en synthèse vocale en français, ex æquo avec 3 autres modèles dont les marges d'erreur se recouvrent ; 67e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un groupe de 12 modèles trop proches pour être départagés.
Présentation
Version distillée de 0,5 milliard de paramètres du modèle de synthèse vocale S1 de Fish Audio, destinée aux environnements aux ressources limitées. Ses poids sont téléchargeables sur Hugging Face après acceptation de conditions, sous licence non commerciale. Lu sur huggingface.co, fish.audio, le 17/10/2026.
- Sortie
- 3 juin 2025 lu sur la page de l'éditeur
- Taille
- 0,5 milliard de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 13 langues, dont le français (en, zh, ja, de, fr, es, ko, ar, ru, nl, it, pl, pt). Lu sur huggingface.co.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 24e sur 31 en synthèse vocale en français (1 057).
Ses 2 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Synthèse vocale
Synthèse vocale en français
24e sur 31Elo 1 057, intervalle 1 036 à 1 078, 1 210 votes
Prix : 15 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Synthèse vocale
Synthèse vocale en anglais, Artificial Analysis
67e sur 96Elo 1 044, intervalle 1 024 à 1 064, 1 682 votes
Prix : 15 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
Modèles proches
- Synthèse vocale en français : devant, Voxtral TTS (23e, 1 064) · derrière, Higgs TTS 3 (25e, 1 050)
- Synthèse vocale en anglais, Artificial Analysis : devant, Maya1 (66e, 1 046) · derrière, Higgs TTS 3 (68e, 1 042)
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.
D'où vient cette fiche
- Nom dans les sources
- Artificial Analysis :
OpenAudio S1 Mini - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://huggingface.co/fishaudio/s1-mini (« S1-mini (0.5B): A distilled version of S1. »), 17/10/2026
- https://huggingface.co/fishaudio/s1-mini (« Supported languages: English (en) Chinese (zh) Japanese (ja) German (de) French (fr) Spanish (es) Korean (ko) Arabic (ar) Russian (ru) Dutch (nl) Italian (it) Polish (pl) Portuguese (pt) »), 17/10/2026
- https://fish.audio/blog/introducing-s1/ (« S1-mini (0.5B) - a distilled version for resource-constrained environments, available on Hugging Face »), 17/10/2026
- https://openaudio.com/blogs/s1 (« 2025-06-03 · Research Introducing S1 »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.