NVIDIAはMagpie多言語TTSモデルのアップデートをリリースし、現代標準アラビア語、韓国語、ブラジルポルトガル語の追加により12言語へのサポートを拡大した。今回のリリースでは、更新されたトレーニングデータとアーキテクチャの変更を通じて既存言語の品質も改善されている。

  • 364Mパラメータのオープンウェイトモデルは、英語、スペイン語、フランス語、ドイツ語、イタリア語、ベトナム語、中国語（標準語）、ヒンディー語、日本語、および3つの新言語をサポートするようになった。
  • ヒンディー語と日本語におけるコードスイッチングのサポートが、IPAグラフeme-to-音素処理とカスタム発音辞書により有効化された。
  • フレームスタッキングとローカルトランスフォーマーにより、音声品質を維持しつつ推論時間を短縮した。
  • B200 GPU上でTime to First Audio (TTFA) 32msを達成し、ASRおよびLLM処理のレイテンシー予算を残している。
  • 客観的指標では、以前のリリースと比較して文字誤り率が減少し、話者類似度が向上した。

このアップデートにより、開発者は低レイテンシー、データレジデンシー、ドメイン固有のカスタマイズを最適化しつつ、独自のインフラ内で多言語音声合成を展開できるようになった。