Cekura 测试了 26 款语音模型，发现速度并不能换来自然感
Tarush Agarwal 的基准测试在整句延迟方面将 Inworld TTS-2 Flash 排在第一位，而 Fish Audio Drama 3 在自动化自然度估计中领先。
By Ryan Merket · Published
Primary source: X
为何重要
语音代理开发者在响应时间、发音和中断处理之间面临权衡。Cekura 的基准测试使这些选择更易于检查，同时其作为评估者和供应商的双重角色也使买家有理由在查看排行榜的同时审查其方法论。
Cekura 在 10 月 19 日发布了对 26 个 文本到语音 模型的公开基准测试，比较了用于语音代理的延迟、朗读准确性、自然度和被打断时的表现。根据联合创始人兼 CEO Tarush Agarwal (@tarush_agarwal_) 分享的结果，测试中最快的模型在中位 46 毫秒后开始发声；而在自然度估计得分最高的模型在速度上则远远落后。
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.