VibeVoice 1.5B
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.
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 huggingface.co, raw.githubusercontent.com, le 17/10/2026.
- Sortie
- 25 août 2025 lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : anglais et chinois seulement (en, zh). Lu sur huggingface.co.
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées 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, Artificial Analysis
81e sur 96Elo 957, intervalle 943 à 971, 2 127 votes
Source : Artificial Analysis · relevé du 19 octobre 2026.
Modèles proches
- Synthèse vocale en anglais, Artificial Analysis : devant, OpenVoice v2 (même rang, 957) · derrière, Neuphonic TTS (83e, 943)
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 :
VibeVoice 1.5B - 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/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
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.