OpenAudio S1
Fish Audio · États-Unis
- Poids fermés
- Français annoncé
En bref : 28e sur 31 en synthèse vocale en français, ex æquo avec 2 autres modèles dont les marges d'erreur se recouvrent ; 47e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un peloton de 10 modèles que la marge d'erreur ne permet pas de séparer ; 24e sur 38 en synthèse vocale en anglais (TTS Arena).
Présentation
Modèle de synthèse vocale de 4 milliards de paramètres présenté sous la marque OpenAudio de Fish Audio, entraîné sur plus de 2 millions d'heures d'audio avec apprentissage par renforcement (GRPO). Il se pilote par des marqueurs d'émotion, de ton et d'effets sonores, et existe en version réduite S1-mini à poids ouverts. Lu sur openaudio.com, huggingface.co, le 17/10/2026.
- Sortie
- 3 juin 2025 lu sur la page de l'éditeur
- Taille
- 4 milliards de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 13 langues, dont le français (en, zh, ja, de, fr, es, ko, ar, ru, nl, it, pl, pt). Lu sur fish.audio, docs.fish.audio.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 28e sur 31 en synthèse vocale en français (1 000).
Ses 3 classements
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
Synthèse vocale en français
28e sur 31Elo 1 000, intervalle 1 000 à 1 000, 1 188 votes
Prix : 15 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Synthèse vocale
Synthèse vocale en anglais, Artificial Analysis
47e sur 96Elo 1 083, intervalle 1 072 à 1 094, 4 600 votes
Prix : 15 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Synthèse vocale
Synthèse vocale en anglais, TTS Arena
24e sur 38Elo 1 504, intervalle 1 473 à 1 535, 538 votes
Source : TTS Arena V2, TTS-AGI · relevé du 19 octobre 2026.
Modèles proches
- Synthèse vocale en français : devant, XTTS v2 (27e, 1 013) · derrière, Fish Audio S1 (29e, 990)
- Synthèse vocale en anglais, Artificial Analysis : devant, Gemini 2.5 Flash Lite TTS (46e, 1 085) · derrière, Studio (48e, 1 079)
- Synthèse vocale en anglais, TTS Arena : devant, Cartesia Sonic 2 (23e, 1 508) · derrière, MiniMax Speech 2.6 HD (25e, 1 501)
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 :
OpenAudio S1; TTS Arena V2 :OpenAudio S1 - Fiche
- Registre de QUELLE IA, lu sur https://huggingface.co/fishaudio/s1-mini (« S1 (4B, proprietary): The full-sized model. S1-mini (0.5B): A distilled version of S1. »), 17/10/2026.
- Pages lues
- https://openaudio.com/blogs/s1 (« 2025-06-03 · Research Introducing S1 Our cutting-edge text-to-speech model that performs like voice actors Try it at Fish Audio We are incredibly excited to unveil OpenAudio S1 »), 17/10/2026
- https://openaudio.com/blogs/s1 (« scaling our model to 4B parameters, incorporating our in-house reward modeling, and applying RLHF (GRPO) training »), 17/10/2026
- https://fish.audio/blog/introducing-s1/ (« OpenAudio S1 is designed for global reach. It supports a wide range of languages, including: English, Chinese, Japanese, German, French, Spanish, Korean, Arabic, Russian, Dutch, Italian, Polish, Portuguese »), 17/10/2026
- https://docs.fish.audio/developer-guide/models-pricing/models-overview.md (« S1 supports text-to-speech generation in 13 languages with full emotional expression capabilities. »), 17/10/2026
- https://huggingface.co/fishaudio/s1-mini (« S1 (4B, proprietary): The full-sized model. S1-mini (0.5B): A distilled version of S1. »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.