# MOSS-TTS

Éditeur : OpenMOSS (Chine). Poids ouverts. Licence : Apache 2.0.

En bref : 8e sur 16 en prononciation du français.

Page : https://quelleia.com/voix/modeles/openmoss-team-moss-tts/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

MOSS-TTS est le modèle principal de la famille de synthèse vocale MOSS-TTS, centré sur le clonage de voix sans entraînement préalable et la génération de longs textes de façon stable. Il permet de régler finement la prononciation (pinyin, phonèmes) et la durée, et de mêler plusieurs langues dans une même phrase. (lu sur https://huggingface.co/OpenMOSS-Team/MOSS-TTS/raw/main/README.md)

- Taille : 8 milliards de paramètres (lu sur la page de l'éditeur, https://huggingface.co/OpenMOSS-Team/MOSS-TTS/raw/main/README.md)

## Langues

- Annoncées par l'éditeur : 20 langues, dont le français (zh, en, de, es, fr, ja, it, he, ko, ru, fa, ar, pl, pt, cs, da, sv, hu, el, tr).
- Prises en charge selon Open TTS Leaderboard : 20 langues.
- Évaluées par nos sources : français.
- Le français : annoncé par l'éditeur ; évalué, 8e sur 16 en prononciation du français (6,11 %).
- Source des langues annoncées : https://huggingface.co/OpenMOSS-Team/MOSS-TTS/raw/main/README.md

## Ses classements

- Prononciation du français : 8e sur 16, taux d'erreur par mot 6,11 % ; vitesse : RTFx 24 : produit 24 secondes d'audio par seconde de calcul ; clonage de voix : oui. 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 : [Qwen3-TTS-12Hz-1.7B-CustomVoice](https://quelleia.com/voix/modeles/alibaba-qwen3-tts-12hz-1-7b-customvoice/), 7e (5,94 %), juste devant
- Prononciation du français : [Magpie-Multilingual 357M (Feb 2026)](https://quelleia.com/voix/modeles/nvidia-magpie-multilingual-357m-feb-2026/), 9e (7,03 %), 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) : OpenMOSS-Team/MOSS-TTS

## Liens

- Page de l'éditeur : https://github.com/OpenMOSS/MOSS-TTS
- L'essayer : https://huggingface.co/spaces/OpenMOSS-Team/MOSS-TTS

## Pages lues

- https://huggingface.co/OpenMOSS-Team/MOSS-TTS/raw/main/README.md (« MOSS‑TTS: The flagship production model featuring high fidelity and optimal zero-shot voice cloning. It supports long-speech generation, fine-grained control over Pinyin, phonemes, and duration, as well as multilingual/code-switched synthesis. »), 17/10/2026
- https://huggingface.co/OpenMOSS-Team/MOSS-TTS/raw/main/README.md (« MOSS-TTS, MOSS-TTSD and MOSS-TTS-Realtime currently supports 20 languages: »), 17/10/2026
- https://huggingface.co/OpenMOSS-Team/MOSS-TTS/raw/main/README.md (« | Spanish | es | 🇪🇸 | French | fr | 🇫🇷 | »), 17/10/2026
- https://huggingface.co/OpenMOSS-Team/MOSS-TTS/raw/main/README.md (« | MOSS-TTS | MossTTSDelay | 8B | »), 17/10/2026