Magpie Multilingual
NVIDIA · États-Unis
- Poids ouverts
- Licence : NVIDIA Open Model License
- Français annoncé
En bref : 34e sur 38 en synthèse vocale en anglais (TTS Arena).
Présentation
Modèle de synthèse vocale multilingue de NVIDIA, de type encodeur-décodeur, qui prédit des jetons de codec audio et clone une voix à partir d'un extrait de 3 à 10 secondes. Il vise les agents vocaux en streaming et la génération hors ligne, et il est autorisé pour un usage commercial. Lu sur build.nvidia.com, le 17/10/2026.
- Taille
- 364 millions de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 12 langues, dont le français (en, es, de, fr, it, vi, zh, hi, ja, ar, pt, ko). Lu sur build.nvidia.com.
- Évaluées par nos sources : anglais.
- Le français : annoncé par l'éditeur ; pas évalué en français par nos sources.
Son classement
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 anglais · Synthèse vocale
Synthèse vocale en anglais, TTS Arena
34e sur 38Elo 1 402, intervalle 1 376 à 1 428, 1 056 votes, retiré par son fournisseur
Source : TTS Arena V2, TTS-AGI · relevé du 19 octobre 2026.
Modèles proches
- Synthèse vocale en anglais, TTS Arena : devant, NeuTTS Max (33e, 1 435) · derrière, Silk Mulberry 1.5 (35e, 1 418)
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
- TTS Arena V2 :
Magpie Multilingual - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://build.nvidia.com/nvidia/magpie-tts-multilingual/modelcard (« Speech Synthesis: Magpie TTS Multilingual Model Overview Description: The model is an end-to-end multilingual neural text-to-speech model that generates speech in twelve different languages »), 17/10/2026
- https://build.nvidia.com/nvidia/magpie-tts-multilingual/modelcard (« (English-US, European-Spanish, German-German, French-France, Italian, Vietnamese, Mandarin-Chinese, Hindi, Japanese, Modern Standard Arabic, Brazilian Portuguese, and Korean) »), 17/10/2026
- https://build.nvidia.com/nvidia/magpie-tts-multilingual/modelcard (« Number of model parameters: 3.64 × 10^8 (364 M parameters) »), 17/10/2026
- https://build.nvidia.com/nvidia/magpie-tts-multilingual/modelcard (« This model is ready for commercial use. »), 17/10/2026
- https://build.nvidia.com/nvidia/magpie-tts-multilingual/modelcard (« recommended reference duration is between 3 and 10 seconds »), 17/10/2026
- https://huggingface.co/nvidia/magpie_tts_multilingual_357m/raw/main/README.md (« **Model type:** Multilingual text-to-speech (encoder-decoder transformer, 364M parameters) - **Languages:** ar, de, en, es, fr, hi, it, ja, ko, pt, vi, zh - **License:** [NVIDIA Open Model License] »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.