Veena
Maya Research · Inde
- Poids ouverts
- Licence : Apache 2.0
En bref : 38e sur 38 en synthèse vocale en anglais (TTS Arena).
Présentation
Modèle de synthèse vocale de Maya Research pour l'hindi et l'anglais, y compris les phrases qui mêlent les deux langues, avec un ton émotionnel. Il repose sur une architecture Llama et produit de l'audio à 24 kHz avec le codec SNAC. Lu sur huggingface.co, le 17/10/2026.
- Taille
- 3 milliards de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : hindi et anglais (hi, en). Lu sur mayaresearch.ai, huggingface.co.
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées par l'éditeur ; pas évalué en français par nos sources.
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 anglais · Synthèse vocale
Synthèse vocale en anglais, TTS Arena
38e sur 38Elo 1 360, intervalle 1 326 à 1 394, 510 votes, retiré par son fournisseur
Source : TTS Arena V2, TTS-AGI · relevé du 19 octobre 2026.
Modèles proches
- Synthèse vocale en anglais, TTS Arena : devant, Wordcab TTS (37e, 1 356)
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
- TTS Arena V2 :
Veena - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://mayaresearch.ai/ (« Veena Our first Hindi and English model. Still open, still downloaded every day. Get the weights »), 17/10/2026
- https://huggingface.co/maya-research/Veena/raw/main/README.md (« Veena is a state-of-the-art neural text-to-speech (TTS) model developed by Maya Research, designed for English and Indian languages. »), 17/10/2026
- https://huggingface.co/maya-research/Veena/raw/main/README.md (« is a 3B parameter autoregressive transformer model based on the Llama architecture. It is designed to synthesize high-quality speech from text in Hindi and English, including code-mixed scenarios. »), 17/10/2026
- https://huggingface.co/maya-research/Veena/raw/main/README.md (« The model outputs audio at a 24kHz sampling rate using the SNAC neural codec. »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.