OpenVoice v2
MyShell · Singapour
- Poids ouverts
- Licence : MIT
- Français annoncé
En bref : 31e sur 31 en synthèse vocale en français ; 81e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un groupe de 6 modèles trop proches pour être départagés.
Présentation
Modèle de clonage de voix instantané qui reproduit le timbre d'un locuteur à partir d'un court extrait et permet de régler l'émotion, l'accent, le rythme, les pauses et l'intonation. La version 2 améliore la qualité audio et prend en charge nativement six langues, et le clonage fonctionne aussi vers des langues absentes des données d'entraînement. Lu sur research.myshell.ai, huggingface.co, le 17/10/2026.
- Sortie
- avril 2024 lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 6 langues, dont le français (en, es, fr, zh, ja, ko). Lu sur huggingface.co.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 31e sur 31 en synthèse vocale en français (782).
Ses 2 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
31e sur 31Elo 782, intervalle 752 à 812, 1 181 votes
Prix : 8,33 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Synthèse vocale
Synthèse vocale en anglais, Artificial Analysis
81e sur 96Elo 957, intervalle 944 à 970, 3 042 votes
Prix : 8,33 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
Modèles proches
- Synthèse vocale en français : devant, Magpie TTS Zeroshot (30e, 964)
- Synthèse vocale en anglais, Artificial Analysis : devant, Murf Speech Gen 2 (80e, 986) · derrière, VibeVoice 1.5B (même rang, 957)
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 :
OpenVoice v2 - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://research.myshell.ai/open-voice (« We introduce OpenVoice, a versatile instant voice cloning approach that requires only a short audio clip from the reference speaker to replicate their voice and generate speech in multiple languages. »), 17/10/2026
- https://huggingface.co/myshell-ai/OpenVoiceV2/raw/main/README.md (« OpenVoice enables granular control over voice styles, such as emotion and accent, as well as other style parameters including rhythm, pauses, and intonation. »), 17/10/2026
- https://huggingface.co/myshell-ai/OpenVoiceV2/raw/main/README.md (« Neither of the language of the generated speech nor the language of the reference speech needs to be presented in the massive-speaker multi-lingual training dataset. »), 17/10/2026
- https://huggingface.co/myshell-ai/OpenVoiceV2/raw/main/README.md (« In April 2024, we release OpenVoice V2, which includes all features in V1 and has: 1. Better Audio Quality. »), 17/10/2026
- https://huggingface.co/myshell-ai/OpenVoiceV2/raw/main/README.md (« English, Spanish, French, Chinese, Japanese and Korean are natively supported in OpenVoice V2. »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.