Artificial Analysis: Qwen-Audio-3.1-TTS-Plus führt bei US-englischer Sprachsynthese, HeyGen Voice bei britischem Englisch und insgesamt

Laut Artificial Analysis liegt Qwen-Audio-3.1-TTS-Plus in der Controlled Voice Arena bei US-Englisch vorn. Dort werden alle Text-to-Speech-Modelle mit denselben acht geklonten Stimmen bewertet (vier US-amerikanische, vier britische). Bei britischem Englisch schneidet HeyGen Voice besser ab und führt die Gesamtwertung an.

Artificial Analysis berichtet, dass 12 der 49 Modelle statistisch signifikante Unterschiede zwischen US-amerikanischem und britischem Englisch aufweisen (nicht überlappende Konfidenzintervalle): Sieben schneiden bei US-Englisch besser ab, fünf bei britischem Englisch. Der durchschnittliche Abstand über alle Modelle hinweg beträgt 7 Elo-Punkte. Das wertet Artificial Analysis als Hinweis auf keine ausgeprägte allgemeine Akzentverzerrung. Die größten Abstände:

• Lightning V3.1 Pro: 94 Elo-Punkte höher bei US-Englisch
• Qwen-Audio-3.1-TTS-Plus: 66 Punkte höher bei US-Englisch
• Soniox TTS Real-Time v2: 51 Punkte höher bei britischem Englisch
• Speech 2.8 Turbo: 49 Punkte höher bei britischem Englisch

Artificial Analysis empfiehlt, ein Sprachmodell mit dem Akzent zu bewerten, den der jeweilige Anwendungsfall erfordert, statt sich auf die Gesamtwertung zu verlassen. Die Ranglisten stammen von Artificial Analysis selbst.