NVIDIA 已对其 Magpie Multilingual TTS 模型发布更新，通过新增现代标准阿拉伯语、韩语和巴西葡萄牙语，将支持语言扩展至十二种。此次发布还通过更新训练数据和架构变更，提升了现有语言的质量。

  • 该 364M-parameter open-weights 模型现支持英语、西班牙语、法语、德语、意大利语、越南语、普通话、印地语、日语以及这三种新语言。
  • 借助 IPA grapheme-to-phoneme processing 和自定义发音词典，增强了印地语和日语的代码切换支持。
  • 帧堆叠与局部 transformer 在保持语音质量的同时降低了推理时间。
  • 该模型在 B200 GPUs 上实现 Time to First Audio (TTFA) 为 32ms，为 ASR 和 LLM 处理留出延迟预算。
  • 客观指标显示，与上一版本相比，字符错误率降低且说话人相似度更高。

此次更新使开发者能够在自有基础设施中部署多语言语音合成，针对低延迟、数据驻留和领域特定定制进行优化。