NVIDIA Magpie TTS: 低遅延・多言語対応の音声合成モデル、オープンウェイトで提供開始
Build Low-Latency Multilingual Voice Agents: Open Weights & Full Deployment Control with NVIDIA Magpie TTS
NVIDIAは、低遅延で多言語に対応した音声合成モデル「Magpie Multilingual TTS」をオープンウェイトで公開しました。このモデルは、12言語(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、ヒンディー語、日本語、現代標準アラビア語、韓国語、ブラジルポルトガル語)をサポートし、特にアラビア語、韓国語、ブラジルポルトガル語が新たに追加されました。NVIDIA NIM(NVIDIA Inference Microservices)を通じて、自社インフラストラクチャ内にデプロイ可能で、レイテンシの最適化やドメイン固有のカスタマイズが可能です。フレームスタッキングとローカルトランスフォーマーというアーキテクチャ改善により、推論時間を短縮しつつ高品質な音声合成を実現しています。また、ヒンディー語と日本語におけるコードスイッチング(言語切り替え)のサポートも強化されました。Magpie TTSは、NVIDIA Nemotron Voice Agent Developer Exampleの一部として、音声認識やLLMと連携し、リアルタイムで応答可能な音声AIエージェント構築を支援します。
- NVIDIAが多言語対応の音声合成モデル「Magpie Multilingual TTS」をオープンウェイトで公開し、12言語をサポート
- NVIDIA NIM(NVIDIA Inference Microservices)を通じて自社インフラ内にデプロイ可能で、レイテンシ最適化とドメイン固有のカスタマイズが可能
- フレームスタッキングとローカルトランスフォーマーというアーキテクチャ改善により推論時間を短縮しつつ高品質な音声合成を実現
- NVIDIA Nemotron Voice Agent Developer Exampleの一部として、音声認識やLLMと連携しリアルタイム応答可能な音声AIエージェント構築を支援
NVIDIAが多言語TTSモデルをオープンウェイトで公開したことは、音声AIエージェント市場におけるNVIDIAのプラットフォーム戦略を示しており、同社のエコシステム拡大の観点から注目に値する。特にNIMインフラを通じたデプロイを前提とすることで、ソフトウェア提供がGPU/インフラ需要を牽引する循環構造を強化しており、投資家としてはNVIDIAのAIソフトウェア層への投資拡大を確認できる点が重要である。