ArtificialAnlys发布多语言文本转语音竞技场排行榜(9 languages)

我们宣布推出多语言文本转语音竞技场排行榜，对比9种非英语主流TTS模型 🇯🇵 🇨🇳 🇮🇳 🇪🇸 🇩🇪 🇫🇷 🇵🇹 🇻🇳 🇸🇦

文本转语音性能在不同语言之间差异很大，在英语上表现良好的模型，在其他语言中不一定能提供同样好的发音、语速、语调和自然度。

我们已经将人工分析可控语音竞技场扩展到9种新语言：日语🇯🇵、普通话🇨🇳、印地语🇮🇳、西班牙语🇩🇪、德语🇩🇪、法语🇫🇷、葡萄牙语🇵🇹、越南语🇻🇳和阿拉伯语🇸🇦。

每个模型都使用标准化克隆语音进行评估，提示词以每种语言原生编写，偏好投票由母语使用者收集。Elo分数针对每种语言独立计算，让每个排行榜都能反映该语言使用者对模型的偏好。

主要结果：
➤ @Cartesia的Sonic系列在9个新语言排行榜中的8个领先，Sonic 3.6在7种语言中排名第一，Sonic 3.5领跑葡萄牙语。@InworldAI的Realtime TTS-2在普通话中排名第一。

➤ @ElevenLabs的Eleven v3系列在9种新语言中的7种都进入前三，分别是Eleven v3和Eleven v3 Conversational。

➤ Inworld的Realtime TTS-2以1185 Elo领跑普通话，领先于1146 Elo的Sonic 3.6和1130 Elo的StepFun StepAudio 2.5 TTS。Realtime TTS-2在美式英语中也排名第一。

➤ 在9个新语言排行榜中总共收集了超过10万个人类偏好投票，每种语言有15到24个公开模型参与排名。点击下方查看每种语言的结果 ⬇️