# VibeVoice 1.5B

Éditeur : Microsoft (États-Unis). Poids ouverts. Licence : MIT.

En bref : 81e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un peloton de 6 modèles que la marge d'erreur ne permet pas de séparer.

Page : https://quelleia.com/voix/modeles/microsoft-vibevoice-1-5b/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Modèle ouvert de synthèse vocale longue de Microsoft, pensé pour des dialogues de type podcast jusqu'à 90 minutes et quatre locuteurs. Microsoft le réserve à la recherche et a retiré le code VibeVoice-TTS de GitHub après des usages abusifs, les poids restant sur Hugging Face. (lu sur https://huggingface.co/microsoft/VibeVoice-1.5B/raw/main/README.md, https://raw.githubusercontent.com/microsoft/VibeVoice/main/README.md)

- Sortie : 25 août 2025 (lu sur la page de l'éditeur, https://raw.githubusercontent.com/microsoft/VibeVoice/main/README.md)

## Langues

- Annoncées par l'éditeur : anglais et chinois seulement (en, zh).
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées par l'éditeur ; pas évalué en français par nos sources.
- Source des langues annoncées : https://huggingface.co/microsoft/VibeVoice-1.5B/raw/main/README.md

## Ses classements

- Synthèse vocale en anglais, Artificial Analysis : 81e sur 96, Elo 957 (intervalle à 95 % : 943 à 971), 2 127 votes. Source : Artificial Analysis, https://artificialanalysis.ai/text-to-speech/model-families/azure (relevé du 19 octobre 2026).

## Modèles proches

- Synthèse vocale en anglais, Artificial Analysis : [OpenVoice v2](https://quelleia.com/voix/modeles/openvoice-v2/), 81e (957), juste devant
- Synthèse vocale en anglais, Artificial Analysis : [Neuphonic TTS](https://quelleia.com/voix/modeles/neuphonic-tts/), 83e (943), 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 : VibeVoice 1.5B

## Liens

- Page de l'éditeur : https://huggingface.co/microsoft/VibeVoice-1.5B

## Pages lues

- https://huggingface.co/microsoft/VibeVoice-1.5B/raw/main/README.md (« The model can synthesize speech up to **90 minutes** long with up to **4 distinct speakers** »), 17/10/2026
- https://huggingface.co/microsoft/VibeVoice-1.5B/raw/main/README.md (« The VibeVoice model is limited to research purpose use »), 17/10/2026
- https://huggingface.co/microsoft/VibeVoice-1.5B/raw/main/README.md (« the model is trained only on English and Chinese data; outputs in other languages are unsupported »), 17/10/2026
- https://raw.githubusercontent.com/microsoft/VibeVoice/main/README.md (« 2025-08-25: 📣 We open-sourced »), 17/10/2026
- https://raw.githubusercontent.com/microsoft/VibeVoice/main/README.md (« we have removed the VibeVoice-TTS code from this repository. »), 17/10/2026