模型

magpie_tts_multilingual_357m

nvidia/magpie_tts_multilingual_357m

查看上游原文 ↗
上游访问:公开 本站服务:可咨询 内容检查:AI 辅助整理并检查 许可证:nvidia-open-model-license 上游版本:195d9d3f9ad9

中文简介

nvidia/magpie_tts_multilingual_357m 是 nvidia 在 Hugging Face 发布的模型仓库,当前卡片主要关联语音合成。本站固定记录上游版本 195d9d3f9ad9,同步到 8 个文件,文件元数据合计 4.75 GB;访问状态为“公开”,许可证字段为“nvidia-open-model-license”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 nvidia/magpie_tts_multilingual_357m 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
nvidia/magpie_tts_multilingual_357m 是 nvidia 在 Hugging Face 发布的模型仓库,当前卡片主要关联语音合成。本站固定记录上游版本 195d9d3f9ad9,同步到 8 个文件,文件元数据合计 4.75 GB;访问状态为“公开”,许可证字段为“nvidia-open-model-license”。

【适用方向】
适合评估语音合成、音色控制和语音交互原型。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本:195d9d3f9ad9。 任务标签:语音合成。 语言字段:ar, de, en, es, fr, hi, it, ja, ko, pt, vi, zh。 库标记:nemo。 上游页面记录的最近更新时间:2026-07-22。

【文件信息】
上游 API 返回 8 个文件,文件元数据合计 4.75 GB。 已保存文件清单中的主要扩展名:.md 5 个、.nemo 1 个、.png 1 个、无扩展名 1 个。 当前较大的文件包括:magpie_tts_multilingual_357m.nemo(1.37 GB);magpietts_architecture.png(58.27 KB);README.md(31.01 KB)。

【运行或处理环境】
仓库文件元数据合计 4.75 GB。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“nvidia-open-model-license”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

MagpieTTS Multilingual 357M img#model-badge { display: inline; } | | -lightgrey#model-badge) 🤗 **Hugging Face MagpieTTS Multilingual demo**: magpie_tts_multilingual_demo 💻 **NeMo Speech Framework**: github.com/NVIDIA-NeMo/Speech [!Note] July 21, 2026: MagpieTTS v2607 was released with support for 3 new languages (Arabic, Korean, Portuguese). For the older checkpoints, refer to below tags: - Released on March 2026, v2602. - Released on January 2026, v2512. Model Details **Developed by:** NVIDIA **Model type:** Multilingual text-to-speech (encoder–decoder transformer, 364M parameters) **Languages:** ar, de, en, es, fr, hi, it, ja, ko, pt, vi, zh **License:** NVIDIA Open Model License **Version:** v2607 (latest); previous: v2602, v2512 **Library:** NeMo Speech Model Description MagpieTTS is an end-to-end multilingual neural text-to-speech model that synthesizes speech using 5 English speaker voices — Aria, Jason, Leo, Sofia, and John Van Stan — across 12 languages: Arabic (ar), Chinese (zh), English (en), French (fr), German (de), Hindi (hi), Italian (it), Japanese (ja), Korean (ko), Portuguese (pt), Spanish (es), and Vietnamese (vi). The model adopts a transformer encoder–decoder architecture that autoregressively predicts discrete audio codec tokens, using multi-codebook prediction (typically 8 codebooks) with frame stacking (factor = 2) and a local transformer for fine-grained refinement of high-fidelity audio. To improve robustness and controllability, training incorporates attention priors for stable text-to-audio alignment, classifier-free guidance (CFG) for stronger conditioning, and Group Relative Policy Optimization (GRPO) for preference-aligned generation. At inference time, MagpieTTS supports batched synthesis of complete utterances as well as long-form generation of extended text via a sliding-window mechanism; the predicted codec tokens are then decoded into speech waveforms by a frozen pretrained audio codec model (NanoCodec). This release also removed ze

公开页仅展示原文摘录;完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估语音合成、音色控制和语音交互原型。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本:195d9d3f9ad9。 任务标签:语音合成。 语言字段:ar, de, en, es, fr, hi, it, ja, ko, pt, vi, zh。 库标记:nemo。 上游页面记录的最近更新时间:2026-07-22。

文件说明

上游 API 返回 8 个文件,文件元数据合计 4.75 GB。 已保存文件清单中的主要扩展名:.md 5 个、.nemo 1 个、.png 1 个、无扩展名 1 个。 当前较大的文件包括:magpie_tts_multilingual_357m.nemo(1.37 GB);magpietts_architecture.png(58.27 KB);README.md(31.01 KB)。

上游文件元数据

  • .gitattributes2.59 KB
  • magpie_tts_multilingual_357m.nemo1.37 GB
  • magpietts_architecture.png58.27 KB
  • modelcard/bias.md544 B
  • modelcard/explainability.md3.62 KB
  • modelcard/privacy.md2.03 KB
  • modelcard/safety.md852 B
  • README.md31.01 KB

硬件建议

仓库文件元数据合计 4.75 GB。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

注意事项

许可证显示为“nvidia-open-model-license”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。