BreezeBlue (@BreezeBlueX) a publié Breeze TTS 2, un modèle de synthèse vocale prenant en charge 50 langues avec trois modes : Voice Clone (audio de référence plus sa transcription exacte, préservant timbre et débit), Voice Design (une description en langage naturel génère une voix à partir de rien, sans audio de référence), et Voice Direction (cloner une voix à partir d'un audio de référence tout en dirigeant le ton, l'émotion et le rythme via un prompt textuel). Artificial Analysis — un agrégateur de benchmarks indépendant, pas BreezeBlue lui-même — a confirmé l'affirmation phare : Breeze TTS 2 est désormais le modèle à poids ouverts le mieux classé sur son Provider Voices Speech Arena, devançant l'ancien leader, Fish Audio S2 Pro, de 90 points Elo (1 215 contre 1 125).
L'affirmation tient — sur l'un des deux classements d'Artificial Analysis
Il vaut la peine de le dire clairement : le classement n°1 est réel, mesuré de façon indépendante, et un résultat légitime. Mais Artificial Analysis fait tourner deux classements TTS séparés qui testent des choses différentes, et les deux racontent des histoires nettement différentes sur le même modèle. Provider Voices note chaque modèle avec ses propres options de voix natives — là où Breeze TTS 2 domine le champ des poids ouverts. Controlled Voices standardise la voix entre les modèles pour isoler la qualité brute de synthèse — et là, Breeze TTS 2 se classe 3e parmi les modèles à poids ouverts, ex æquo avec le modèle qu'il vient de devancer, Fish Audio S2 Pro, tous deux à 1 002 Elo, derrière Voxtral TTS de Mistral à 1 010. Mêmes deux modèles, ordre relatif inversé, selon quel classement fait la comparaison. Globalement — modèles ouverts et fermés confondus — Breeze TTS 2 se classe 16e sur 39 sur Controlled Voices, une image sensiblement différente de « le modèle TTS à poids ouverts en tête » pris isolément.
La vitesse et le prix ne se sont pas améliorés avec le gain d'Elo
Les propres mesures d'Artificial Analysis sur le débit et le coût constituent l'histoire la plus concrète ici. Breeze TTS 2 traite 45 caractères par seconde, contre 102 pour Fish Audio S2 Pro — moins de la moitié de la vitesse de génération du modèle qu'il vient de dépasser sur Provider Voices. Côté prix, le point de terminaison hébergé de BreezeBlue facture 34 $ par million de caractères, contre 15 $ pour Fish Audio S2 Pro — plus du double. Rien de tout cela ne contredit le résultat Elo ; un modèle peut gagner une comparaison de qualité tout en perdant sur la vitesse et le coût. Mais une annonce de lancement construite entièrement autour du gain d'Elo, sans mentionner l'un ou l'autre compromis, donne une image incomplète de ce que coûte réellement l'adoption du modèle en pratique.
« Poids ouverts » signifie ici quelque chose de plus restreint que d'habitude
Les termes de licence de la fiche modèle méritent d'être lus précisément plutôt que déduits du cadrage « poids ouverts ». Le code source est sous Apache 2.0. Les poids, checkpoints, adaptateurs, et tout modèle dérivé ou sortie auto-hébergée sont régis séparément par une BreezeBlue Research and Non-Commercial License — l'usage commercial nécessite une autorisation écrite de RESONIA, INC. C'est un arrangement sensiblement différent de poids sous licence MIT ou Apache : téléchargeable et inspectable, oui ; librement utilisable dans un produit commercial, non. Cela mérite d'être nommé directement étant donné la fréquence à laquelle « poids ouverts » est utilisé comme raccourci pour « vous pouvez simplement l'utiliser » — le même écart que ce blog a déjà signalé entre techniquement ouvert et utilisable en pratique.
À surveiller
- À surveiller : si Controlled Voices ou Provider Voices devient le classement de référence cité à l'avenir — ils mesurent des choses véritablement différentes, et celui qu'une annonce donnée met en avant façonne l'histoire que reçoivent les lecteurs.
- À surveiller : une mise à jour de débit ou de prix de la part de BreezeBlue. Un modèle qui vient de prendre la première place en Elo à poids ouverts sur un classement a une incitation claire à combler l'écart de vitesse et de coût avec Fish Audio S2 Pro.
- À surveiller : la clarté sur les conditions de licence commerciale — le défaut non commercial avec une voie d'autorisation discrétionnaire est un schéma courant pour les publications de modèles « ouverts » cette année, et il vaut la peine de suivre si BreezeBlue publie des conditions concrètes pour cette autorisation ou la laisse au cas par cas.
Références : BreezeBlue/Breeze-TTS-2 sur Hugging Face · Artificial Analysis — classement Text to Speech Open Weights · chiffres d'Elo, de vitesse et de prix mesurés et publiés de façon indépendante par Artificial Analysis, pas les propres chiffres de BreezeBlue · couverture liée : Frontier Arcade : tendances et prédictions