VibeVoice-Realtime-0.5B
Microsoft · États-Unis
- Poids ouverts
- Licence : MIT
- Français annoncé
En bref : 13e sur 16 en prononciation du français.
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 huggingface.co, le 17/10/2026.
- Sortie
- 3 décembre 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 : anglais, plus neuf langues expérimentales dont le français (en, de, fr, it, ja, ko, nl, pl, pt, es). Lu sur huggingface.co.
- 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 %).
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 français · Synthèse vocale
Prononciation du français
13e sur 16taux d'erreur par mot 11,92 %
Vitesse : RTFx 3 : produit 3 secondes d'audio par seconde de calculClonage de voix : non
Source : Open TTS Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 9 octobre 2026.
Modèles proches
- Prononciation du français : devant, Higgs TTS 3 (12e, 10,68 %) · derrière, Voxtral TTS (14e, 13,42 %)
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
- Hugging Face (hf-audio) :
microsoft/VibeVoice-Realtime-0.5B - 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-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
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.