NVIDIA lance Magpie TTS, des agents vocaux multilingues à faible

Résumé

Avec Magpie TTS Multilingual, NVIDIA propose un modèle open-weights, 12 langues et contrôle complet du déploiement pour bâtir des agents vocaux.

Les faits

NVIDIA présente Magpie TTS Multilingual comme une base pour construire des agents vocaux multilingues à faible latence. Le billet explique que la génération de parole est l’étape finale d’une chaîne où chaque milliseconde compte, et que le fait de pouvoir exécuter et régler davantage d’éléments de cette pile permet de récupérer de la marge sur le budget de latence. Le modèle est décrit comme une solution pensée pour une architecture en cascade, avec des composants ASR, TTS et LLM exécutés ensemble. Selon le texte, Magpie TTS Multilingual combine des poids ouverts, NVIDIA NIM prêt pour la production et la prise en charge de 12 langues, afin de permettre un déploiement dans sa propre infrastructure et une personnalisation du modèle pour son domaine. Le billet précise aussi que la dernière version élargit la couverture multilingue avec l’arabe standard moderne, le coréen et le portugais brésilien. Il ajoute que cette mise à jour améliore la qualité dans plusieurs langues déjà prises en charge grâce à de nouvelles données d’entraînement et à des améliorations du modèle. Enfin, le modèle est présenté comme une version ouverte de 364M de paramètres, avec des langues listées explicitement : English, Spanish, French, German, Italian, Vietnamese, Mandarin, Hindi, Japanese, Modern Standard Arabic, Korean et Brazilian Portuguese. Le texte associe Magpie à des usages comme les assistants de support client, les assistants santé, les copilotes d’entreprise, les systèmes de traduction et les applications d’IA conversationnelle.

Pourquoi c’est important

L’enjeu principal est la maîtrise de la latence et de l’infrastructure. En proposant des poids ouverts et un déploiement sur une infrastructure contrôlée par l’entreprise, NVIDIA répond à deux attentes fortes des équipes produit : réduire la dépendance à une API vocale gérée et garder la main sur les réglages de performance, la résidence des données et l’adaptation métier. La dimension multilingue élargit aussi le champ d’usage. Avec 12 langues et l’ajout du portugais brésilien, de l’arabe standard moderne et du coréen, Magpie TTS Multilingual se positionne comme une brique de base pour des agents vocaux destinés à plusieurs marchés, sans changer d’architecture à chaque langue ni sacrifier l’expérience utilisateur.

Questions fréquentes

Combien de langues Magpie TTS Multilingual prend-il en charge ?

Le modèle prend en charge 12 langues, dont l’anglais, l’espagnol, le français, l’allemand, l’italien, le vietnamien, le mandarin, l’hindi, le japonais, l’arabe standard moderne, le coréen et le portugais brésilien.

Quelles langues ont été ajoutées dans la dernière version ?

La dernière version ajoute l’arabe standard moderne, le coréen et le portugais brésilien.

Pourquoi NVIDIA met-il l’accent sur la latence ?

Parce que la génération vocale est décrite comme la dernière étape de la chaîne, celle que les utilisateurs remarquent le plus, donc une latence plus faible améliore directement l’expérience.

Le modèle peut-il être déployé sur sa propre infrastructure ?

Oui. Le texte indique qu’il permet un déploiement sur sa propre infrastructure, avec des poids ouverts et NVIDIA NIM prêt pour la production.

Source

Auteur

Rédaction spécialisée dans la veille et l'analyse de l'actualité de l'intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.