NVIDIA telah merilis pembaruan untuk model Magpie Multilingual TTS-nya, memperluas dukungan ke dua belas bahasa dengan penambahan Bahasa Arab Standar Modern, Korea, dan Portugis Brasil. Rilis ini juga mencakup peningkatan kualitas di berbagai bahasa yang ada melalui pembaruan data pelatihan dan perubahan arsitektur.
- Model open-weights 364M-parameter kini mendukung bahasa Inggris, Spanyol, Prancis, Jerman, Italia, Vietnam, Mandarin, Hindi, Jepang, dan tiga bahasa baru tersebut.
- Dukungan code-switching yang diperluas untuk bahasa Hindi dan Jepang diaktifkan melalui pemrosesan grapheme-to-phoneme IPA dan kamus pelafalan khusus.
- Frame stacking dan transformer lokal mengurangi waktu inferensi sambil mempertahankan kualitas suara.
- Model ini mencapai Time to First Audio (TTFA) sebesar 32ms pada GPU B200, menyisakan anggaran latensi untuk pemrosesan ASR dan LLM.
- Metrik objektif menunjukkan penurunan tingkat kesalahan karakter dan kesamaan pembicara yang lebih tinggi dibandingkan rilis sebelumnya.
Pembaruan ini memungkinkan pengembang untuk menerapkan sintesis suara multibahasa di dalam infrastruktur mereka sendiri, dengan mengoptimalkan latensi rendah, residensi data, dan kustomisasi spesifik domain.