Luna TTS
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.
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 vuilabs-ai.github.io, vuilabs.ai, le 17/10/2026.
- Sortie
- 12 août 2026 lu sur la page de l'éditeur
- Taille
- 0,6 milliard de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 4 langues (chinois, anglais, japonais, coréen) (zh, en, ja, ko). Lu sur vuilabs-ai.github.io, arxiv.org.
- 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, Artificial Analysis
13e sur 96Elo 1 217, intervalle 1 205 à 1 229, 3 382 votes
Prix : 15 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
Modèles proches
- Synthèse vocale en anglais, Artificial Analysis : devant, Realtime TTS-2 Flash (12e, 1 219) · derrière, StepAudio 2.5 TTS (Aug 2026) (14e, 1 216)
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 :
Luna TTS - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- 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
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.