Cekura prueba 26 modelos de voz y encuentra que la velocidad no garantiza la naturalidad
La prueba comparativa de Tarush Agarwal coloca a Inworld TTS-2 Flash en primer lugar por latencia en oraciones completas, mientras que Fish Audio Drama 3 lidera en una estimación automatizada de naturalidad.
By Ryan Merket · Published · Updated
Primary source: X
Por qué importa
Los desarrolladores de agentes de voz enfrentan compromisos entre el tiempo de respuesta, la pronunciación y el manejo de interrupciones. El benchmark de Cekura facilita inspeccionar esas decisiones, mientras que su papel como evaluador y proveedor da a los compradores motivo para examinar la metodología junto con la tabla de clasificación.
Cekura publicó un benchmark público de 26 modelos de texto a voz el 19 de octubre, comparando latencia, precisión de lectura, naturalidad y comportamiento ante interrupciones para agentes de voz. El modelo más rápido de la prueba comenzó a hablar después de una mediana de 46 milisegundos; el modelo con la mayor naturalidad estimada quedó muy por detrás en velocidad, según los resultados compartidos por el cofundador y CEO Tarush Agarwal (@tarush_agarwal_).…
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.