2026.08.10 MON01:25 JSTNVIDIA
Magpie TTS多言語低遅延オープン提供
- NVIDIA Magpie Multilingual TTSをオープンウェイトで公開
- 12言語対応・低TTFAで自前インフラにデプロイ可能
- 音声エージェント向けにNIMとNeMoも用意
目線
自前音声エージェントのTTSを低遅延・多言語で置き換え/構築する開発者が、即ベンチと試作に入れる。
対象
音声エージェント・多言語TTSを自前構築する開発者
使える場面
- カスタマーサポートや企業コパイロットの多言語音声応答を自社GPUで動かす
- ASR+LLM+TTSのカスケード構成でレイテンシを自前計測・最適化する
- NeMoでドメイン用語や発音をファインチューンする
試すなら
HFのモデルカードとデモ、またはNIMでTTFAを確認して試す
確認点
本番レイテンシはNIM最適化コンテナ前提。オープンウェイト単体は研究・チューニング向け
背景
音声AIは統合APIの簡便さと、成分ごとのチューニング・データレジデンシ・レイテンシ可視化のトレードオフがある。Magpieは後者のカスケード構成向けに設計された。
何が変わったか
- 364MパラメータのオープンウェイトTTS。英・西・仏・独・伊・ベトナム・中国語・ヒンディー・日本語に加え、標準アラビア語・韓国語・ブラジルポルトガル語を追加（計12言語）
- 男女話者を共有多言語表現でサポート。ヒンディー/日本語のコードスイッチング強化
- Frame stackingとLocal transformerで高速化。B200で1ストリームTTFA 32ms、64ストリームでも高スループット
- 品質向上（仏・西などでCER低下・SSIM向上）。Nemotron Voice Agent例やNIM/NeMo連携を提供
使える場面・影響
自社インフラでTTFAを直接制御でき、プライバシー要件の強い企業音声AIや多言語展開が現実的になる。統合API依存を減らせる。
試す前に確認
- NVIDIA Open Model Licenseでウェイト公開
- 日本語を含む12言語対応
- 推奨推論設定（cfg_scale=2.5等）はモデルカード参照
- 本番はNIM、研究/FTはHFチェックポイント
一次ソース
- Hugging Face Blog (NVIDIA Magpie TTS)huggingface.co