NVIDIA, Magpie TTS ile çok dilli ses üretimi için açık ağırlıklı bir model sunarak, geliştiricilerin kendi altyapılarında düşük gecikmeli ses ajanları oluşturmasına olanak tanıyor. Bu model, 12 dilde çalışabilme özelliğiyle, müşteri destek ajanları, sağlık asistanları ve kurumsal yardımcı programlar gibi uygulamalar için uygun bir temel sağlıyor. Magpie TTS, 364 milyon parametreye sahip ve Modern Standart Arapça, Korece ve Brezilya Portekizcesi gibi yeni dilleri destekleyerek, kullanıcıların seslerini özelleştirme ve gecikme süresini kontrol etme imkanı sunuyor.

Magpie TTS, 32ms gibi düşük gecikme süreleriyle, ses üretiminde hızlı ve doğal bir deneyim sağlıyor. Bu model, frame stacking ve local transformer gibi teknikleri kullanarak, ses kalitesini korurken, üretim süresini kısaltıyor. Ayrıca, geliştiricilerin kendi altyapılarında çalıştırabilmeleri sayesinde, gecikme süresini doğrudan kontrol etmelerini ve ölçeklendirme yapmalarını sağlıyor.

Magpie TTS, NVIDIA Nemotron Voice Agent Developer Example'ın bir parçası olarak, ses tanıma, dil modelleri ve akıl yürütme modellerinin bir araya geldiği bir sistemde çalışabiliyor. Bu sayede, geliştiriciler, gerçek zamanlı etkileşimli ses ajanları oluşturabilir ve bu ajanları kendi uygulamalarına uyarlayabilirler.