Canopy Labs: Orpheus 3B

Canopy Labs : Orpheus 3B est un modèle de synthèse vocale de Canopy Labs. C'est un modèle de 3 milliards de paramètres affiné pour la synthèse vocale en anglais, avec un accent sur la prosodie naturelle et une diction expressive. Le modèle a été publié par le fournisseur le 23 avril 2026. Sa catégorie principale est la parole, et il est positionné comme un modèle spécialisé plutôt que comme un modèle de langage à usage général.

Le modèle prend du texte comme seule entrée et produit de la parole comme seule sortie. Il a une longueur de contexte de 4096 tokens, et la sortie maximale est de 3686 tokens. Orpheus 3B est livré avec 7 voix prédéfinies : tara, leah, jess, leo, dan, mia et zac. Le fournisseur le décrit comme affiné pour une prosodie naturelle et une diction expressive, ce qui signifie que l'accent est mis sur la façon dont la parole générée sonne plutôt que sur la compréhension du texte ou le raisonnement.

Ces capacités indiquent un ensemble assez spécifique de cas d'usage. La narration est un choix naturel, puisque le modèle est ajusté pour la prosodie et l'expression sur de longs passages de texte anglais. Les assistants vocaux en sont un autre, où les sept voix prédéfinies vous permettent de choisir un locuteur cohérent pour les réponses parlées. Il en va de même pour toute application qui doit transformer un contenu écrit en audio, comme la lecture d'articles, la génération d'invites parlées, ou la production de pistes vocales pour un ensemble fixe de personnages ou de présentateurs. Comme l'entrée est uniquement du texte, le modèle n'accepte pas d'audio pour le clonage ou la transcription, et comme la sortie est uniquement de la parole, il ne renvoie pas de texte que vous pouvez post-traiter.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "canopylabs/orpheus-3b-0.1-ft". La requête suit la même forme que les autres points de terminaison vocaux compatibles OpenAI, avec votre texte comme entrée. Le modèle ne liste aucun paramètre pris en charge, donc vous ne devez pas vous attendre à passer des contrôles d'échantillonnage, des indicateurs de sélection de voix ou d'autres options de réglage via la requête. Les sept voix font partie de la configuration fixe du modèle plutôt que de paramètres de requête.

Le contexte de 4096 tokens et la limite de sortie de 3686 tokens méritent d'être anticipés. Les documents très longs devront être découpés en segments avant la synthèse, et l'accent mis sur l'anglais uniquement signifie que les autres langues sont hors périmètre. Si votre tâche est la génération de texte, le raisonnement, la traduction ou tout ce qui renvoie du texte, un modèle de langage général conviendra mieux. Orpheus 3B est le bon choix lorsque le livrable est de l'audio en anglais parlé et que vous souhaitez que la prosodie soit gérée par le modèle lui-même.