MOSS-TTS
OpenMOSS · Chine
- Poids ouverts
- Licence : Apache 2.0
- Français annoncé
En bref : 8e sur 16 en prononciation du français.
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 huggingface.co, le 17/10/2026.
- Taille
- 8 milliards de paramètres lu sur la page de l'éditeur
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). Lu sur huggingface.co.
- 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 %).
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
8e sur 16taux d'erreur par mot 6,11 %
Vitesse : RTFx 24 : produit 24 secondes d'audio par seconde de calculClonage de voix : oui
Source : Open TTS Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 9 octobre 2026.
Modèles proches
- Prononciation du français : devant, Qwen3-TTS-12Hz-1.7B-CustomVoice (7e, 5,94 %) · derrière, Magpie-Multilingual 357M (Feb 2026) (9e, 7,03 %)
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) :
OpenMOSS-Team/MOSS-TTS - 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/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
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.