# Luna TTS

Éditeur : VUI Labs (Hong Kong). Poids fermés (selon Artificial Analysis).

En bref : 13e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un peloton de 6 modèles que la marge d'erreur ne permet pas de séparer.

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

## Présentation

Modèle de synthèse vocale non autorégressif à base de diffusion masquée, qui génère toute la grille de jetons audio en un nombre fixe d'étapes et permet nativement le clonage de voix sans entraînement et l'édition de la parole. Une phase d'affinage ajoute le contrôle des émotions et des vocalisations non verbales. (lu sur https://vuilabs-ai.github.io/luna-tts, https://www.vuilabs.ai/)

- Sortie : 12 août 2026 (lu sur la page de l'éditeur, https://arxiv.org/abs/2608.11593)
- Taille : 0,6 milliard de paramètres (lu sur la page de l'éditeur, https://vuilabs-ai.github.io/luna-tts)

## Langues

- Annoncées par l'éditeur : 4 langues (chinois, anglais, japonais, coréen) (zh, en, ja, ko).
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées par l'éditeur ; pas évalué en français par nos sources.
- Source des langues annoncées : https://vuilabs-ai.github.io/luna-tts, https://arxiv.org/html/2608.11593v1

## Ses classements

- Synthèse vocale en anglais, Artificial Analysis : 13e sur 96, Elo 1 217 (intervalle à 95 % : 1 205 à 1 229), 3 382 votes ; prix : 15 $ par million de caractères. Source : Artificial Analysis, https://artificialanalysis.ai/text-to-speech/model-families/luna-tts (relevé du 19 octobre 2026).

## Modèles proches

- Synthèse vocale en anglais, Artificial Analysis : [Realtime TTS-2 Flash](https://quelleia.com/voix/modeles/inworld-realtime-tts-2-flash/), 12e (1 219), juste devant
- Synthèse vocale en anglais, Artificial Analysis : [StepAudio 2.5 TTS (Aug 2026)](https://quelleia.com/voix/modeles/stepaudio-2-5-tts-aug-2026/), 14e (1 216), 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

- Artificial Analysis : Luna TTS

## Liens

- Page de l'éditeur : https://vuilabs-ai.github.io/luna-tts
- L'essayer : https://www.vuilabs.ai/en

## Pages lues

- https://vuilabs-ai.github.io/luna-tts (« Luna-TTS generates the entire token grid in a fixed number of parallel refinement steps, with zero-shot voice cloning and speech editing arising natively as infilling. »), 17/10/2026
- https://vuilabs-ai.github.io/luna-tts (« An annealed fine-tuning stage adds emotion and non-verbal vocalization control »), 17/10/2026
- https://vuilabs-ai.github.io/luna-tts (« 1 million hours of speech across Chinese, English, Japanese, and Korean »), 17/10/2026
- https://arxiv.org/html/2608.11593v1 (« Language coverage is also limited to four languages, substantially narrower than that of massively multilingual TTS systems. »), 17/10/2026
- https://vuilabs-ai.github.io/luna-tts (« On Seed-TTS-Eval, Luna-TTS leads all four metrics among the systems we compare, at 0.6B parameters »), 17/10/2026
- https://arxiv.org/abs/2608.11593 (« [Submitted on 12 Aug 2026] »), 17/10/2026
- https://arxiv.org/html/2608.11593v1 (« Luna-TTS Family Technical Report VUI Labs Research »), 17/10/2026
- https://www.vuilabs.ai/ (« Luna-TTS $15 / 1,000,000 characters High-Quality, Ultra-Natural Speech High-Fidelity Voice Cloning »), 17/10/2026