Présentation de Breeze TTS 2

Le tournant

De la création de contenu aux expériences d'IA vocale en temps réel

La première vague d'IA générative a transformé la création de contenu. Texte, images, vidéo et parole se produisent désormais à la demande : un prompt suffit pour transformer une idée en contenu. Ce contenu reste pourtant, le plus souvent, un objet fini, produit une fois puis consommé. La vague suivante apporte l'interactivité : l'IA vocale en temps réel anime des personnages, des jeux, des compagnons, des récits interactifs et des agents vocaux qui réagissent en continu à chaque utilisateur, à chaque contexte, à chaque instant.

Le contenu répond désormais en continu à ceux qui en font l'expérience.

Ce changement de paradigme élargit ce que l'on attend des voix IA de synthèse vocale : le naturel ne suffit plus. Une parole au son naturel reste le socle d'une expérience vocale de qualité, mais les expériences interactives ajoutent trois exigences :

Le nouveau modèle

Breeze TTS 2, un nouveau modèle de parole conçu pour les expériences interactives.

Breeze TTS 2 réunit dans un seul modèle le design de voix en langage naturel, la direction de voix applicable à n'importe quelle voix et la génération en streaming à faible latence. Conçu pour la nouvelle génération d'IA vocale en temps réel, il permet de concevoir n'importe quelle voix, de diriger chaque interprétation et de lui donner vie en temps réel.

Faire progresser ces capacités suppose aussi de mieux les mesurer. L'évaluation des systèmes TTS s'est historiquement concentrée sur le naturel, laissant le design de voix, la direction de voix et la latence bien moins explorés de façon systématique. Breeze TTS 2 rassemble ces capacités dans un modèle unique, pensé pour les expériences vocales interactives, et donne aux créateurs comme aux développeurs plus de contrôle sur la manière dont les voix sont conçues, interprétées et livrées en temps réel. Pour soutenir les progrès dans ces domaines, nous publions également des benchmarks open source pour le Design de voix, la Direction de voix et la latence. Voyons maintenant de plus près les quatre capacités qui définissent Breeze TTS 2 : design de voix, direction de voix, faible latence et parole multilingue.

Breeze TTS 2 donne à chaque personnage une voix bien à lui, du protagoniste unique aux milliers de PNJ. Plutôt que de s'en remettre aux seules bibliothèques de voix préexistantes, les créateurs décrivent le personnage qu'ils ont en tête et génèrent des voix IA de synthèse vocale singulières, mieux accordées à chaque rôle, à chaque personnalité et à chaque univers.

RangModèle

Role FitVoice Diversity

1Breeze TTS 2

78.02708

2MiMo-V2.5-TTS

72.78202

3Inworld Voice Design

64.61378

4Fun-AudioGen-VD

63.82136

5Eleven v3

58.88111

6Qwen3-TTS-VD

58.4883

7VoxCPM2

55.28509

Breeze TTS 2 se classe premier au Benchmark TTS Design de voix : meilleur score Role Fit (78.02), plus grande Voice Diversity (708) et taux de Transcript Pass de 98.5%. Il devance le deuxième modèle de 5.24 points en Role Fit et produit 39% de voix distinctes de plus que son concurrent le plus proche.

Utilisez des instructions en langage naturel et des balises en ligne pour façonner l'émotion, l'intention, le rythme et la diction, tout en gardant chaque personnage reconnaissable. Créateurs et développeurs contrôlent ainsi plus finement l'interprétation d'une voix IA d'un instant à l'autre, sans avoir à reconcevoir la voix elle-même.

RangModèle

Score de direction de voixSPK_SIM

1Breeze TTS 2

4.250.67

2MiMo-v2.5-TTS

3.760.66

3StepAudio 2.5 TTS

3.480.64

4Qwen-Audio 3.0-TTS-Plus

3.330.65

5Inworld TTS-2

3.010.71

6VoxCPM2

2.490.70

Breeze TTS 2 obtient le score de direction de voix le plus élevé (4.25), soit 13% de mieux que le deuxième modèle. Associé à un score SIM de 0.67, ce résultat démontre sa capacité à suivre une direction formulée en langage naturel — émotion, intention, rythme, diction — tout en gardant la voix choisie reconnaissable d'une interprétation à l'autre.

Breeze TTS 2 réunit le naturel, le design de voix et la direction de voix dans un modèle unique à faible latence, conçu pour les applications d'IA vocale en temps réel. Un délai très court jusqu'au premier audio garde les conversations réactives et préserve le rythme naturel des expériences vocales interactives.

Breeze TTS 2 se classe premier au Benchmark de latence TTS, avec le délai jusqu'au premier audio le plus court à la fois en p50 et en p95. Sa latence durablement basse garde les interactions en temps réel réactives et préserve le rythme naturel de la conversation.

Breeze TTS 2 en streaming temps réel

L'API temps réel maintient une seule session WebSocket ouverte d'un tour de conversation à l'autre : vous ajoutez le texte au fil de son arrivée et l'audio PCM brut vous revient en flux pendant que le modèle génère encore.

import { BreezeBlueClient } from "@breeze.blue/sdk";

const client = new BreezeBlueClient();

// One WebSocket session, many conversation turns.
const connection = await client.textToSpeech.realtime.connect("voc_...", {
  modelId: "breeze-tts-2",
});

const consumer = (async () => {
  for await (const message of connection) {
    if (message.type === "audio") {
      play(message.audio); // raw PCM, streamed while the model generates
    } else if (message.type === "turn.done") {
      return;
    }
  }
})();

connection.startTurn("turn_1");
connection.appendText("Hello from Breeze TTS 2.");
connection.flush();
connection.endTurn();

await consumer;
connection.close();

Créez des voix IA de synthèse vocale naturelles et expressives dans 50 langues, avec un contrôle de l'accent pour adapter la diction aux différentes régions et aux différents publics.