# VibeVoice-Realtime-0.5B

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

En bref : 13e sur 16 en prononciation du français.

Page : https://quelleia.com/voix/modeles/microsoft-vibevoice-realtime-0-5b/. 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 en temps réel de Microsoft, qui accepte du texte en flux et produit un premier son en environ 300 ms. Il ne gère qu'un seul locuteur et vise surtout l'anglais. (lu sur https://huggingface.co/microsoft/VibeVoice-Realtime-0.5B/raw/main/README.md)

- Sortie : 3 décembre 2025 (lu sur la page de l'éditeur, https://raw.githubusercontent.com/microsoft/VibeVoice/main/README.md)
- Taille : 0,5 milliard de paramètres (lu sur la page de l'éditeur, https://huggingface.co/microsoft/VibeVoice-Realtime-0.5B/raw/main/README.md)

## Langues

- Annoncées par l'éditeur : anglais, plus neuf langues expérimentales dont le français (en, de, fr, it, ja, ko, nl, pl, pt, es).
- Prises en charge selon Open TTS Leaderboard : 10 langues.
- Évaluées par nos sources : français.
- Le français : annoncé par l'éditeur ; évalué, 13e sur 16 en prononciation du français (11,92 %).
- Source des langues annoncées : https://huggingface.co/microsoft/VibeVoice-Realtime-0.5B/raw/main/README.md

## Ses classements

- Prononciation du français : 13e sur 16, taux d'erreur par mot 11,92 % ; vitesse : RTFx 3 : produit 3 secondes d'audio par seconde de calcul ; clonage de voix : non. 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).

## Modèles proches

- Prononciation du français : [Higgs TTS 3](https://quelleia.com/voix/modeles/boson-ai-higgs-tts-3-4b/), 12e (10,68 %), juste devant
- Prononciation du français : [Voxtral TTS](https://quelleia.com/voix/modeles/voxtral-tts/), 14e (13,42 %), 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

- Hugging Face (hf-audio) : microsoft/VibeVoice-Realtime-0.5B

## Liens

- Page de l'éditeur : https://huggingface.co/microsoft/VibeVoice-Realtime-0.5B

## Pages lues

- https://huggingface.co/microsoft/VibeVoice-Realtime-0.5B/raw/main/README.md (« VibeVoice-Realtime is a **lightweight real‑time** text-to-speech model supporting **streaming text input** and **robust long-form speech generation**. »), 17/10/2026
- https://huggingface.co/microsoft/VibeVoice-Realtime-0.5B/raw/main/README.md (« - Realtime TTS (~300 ms first audible latency) »), 17/10/2026
- https://huggingface.co/microsoft/VibeVoice-Realtime-0.5B/raw/main/README.md (« This realtime variant supports only a single speaker. »), 17/10/2026
- https://huggingface.co/microsoft/VibeVoice-Realtime-0.5B/raw/main/README.md (« We provide nine additional languages (German, French, Italian, Japanese, Korean, Dutch, Polish, Portuguese, and Spanish) for users to explore and share feedback. »), 17/10/2026
- https://huggingface.co/microsoft/VibeVoice-Realtime-0.5B/raw/main/README.md (« The model is currently intended for English speech only; other languages may produce unpredictable results. »), 17/10/2026
- https://huggingface.co/microsoft/VibeVoice-Realtime-0.5B/raw/main/README.md (« - Parameter size: 0.5B (deployment-friendly) »), 17/10/2026
- https://raw.githubusercontent.com/microsoft/VibeVoice/main/README.md (« 2025-12-03: 📣 We open-sourced »), 17/10/2026