NVIDIA ofrece un modelo de pesos abiertos con Magpie TTS para la producción de voz multilingüe, permitiendo a los desarrolladores crear agentes de voz de baja latencia en su propia infraestructura. Este modelo, al ser compatible con 12 idiomas, proporciona una base adecuada para aplicaciones como agentes de soporte al cliente, asistentes de salud y utilidades empresariales. Magpie TTS, con 364 millones de parámetros, admite nuevos idiomas como el árabe moderno estándar, el coreano y el portugués brasileño, ofreciendo a los usuarios la posibilidad de personalizar sus voces y controlar el tiempo de latencia.
Magpie TTS, con tiempos de latencia tan bajos como 32 ms, proporciona una experiencia rápida y natural en la producción de voz. Este modelo utiliza técnicas como el apilamiento de fotogramas y el transformador local para mantener la calidad del sonido mientras reduce el tiempo de producción. Además, al permitir a los desarrolladores ejecutarlo en su propia infraestructura, les da el control directo sobre el tiempo de latencia y la capacidad de escalar.
Magpie TTS, como parte del NVIDIA Nemotron Voice Agent Developer Example, puede funcionar en un sistema donde se combinan el reconocimiento de voz, los modelos de lenguaje y los modelos de razonamiento. De esta manera, los desarrolladores pueden crear agentes de voz interactivos en tiempo real y adaptar estos agentes a sus propias aplicaciones.