Artificial Analysis: Qwen-Audio-3.1-TTS-Plus lidera en texto a voz en inglés de EE. UU.; HeyGen Voice lidera en inglés del Reino Unido y en la clasificación general

Artificial Analysis afirma que, en su Controlled Voice Arena, que puntúa todos los modelos de texto a voz con las mismas ocho voces clonadas (cuatro de EE. UU. y cuatro del Reino Unido), Qwen-Audio-3.1-TTS-Plus lidera la clasificación en inglés de EE. UU., mientras que HeyGen Voice obtiene mejores resultados en inglés del Reino Unido y encabeza la clasificación general.

Informa que 12 de los 49 modelos presentan diferencias estadísticamente significativas entre el inglés de EE. UU. y el del Reino Unido (intervalos de confianza que no se solapan): siete obtienen mejores resultados en inglés de EE. UU. y cinco, en inglés del Reino Unido. La diferencia media entre todos los modelos es de 7 puntos Elo, lo que interpreta como ausencia de un sesgo general marcado hacia un acento. Estas son las mayores diferencias que señala:

• Lightning V3.1 Pro: 94 puntos Elo más en inglés de EE. UU.
• Qwen-Audio-3.1-TTS-Plus: 66 puntos más en inglés de EE. UU.
• Soniox TTS Real-Time v2: 51 puntos más en inglés del Reino Unido
• Speech 2.8 Turbo: 49 puntos más en inglés del Reino Unido

Artificial Analysis recomienda evaluar un modelo de voz con el acento que necesite cada caso de uso, en lugar de basarse en la clasificación general. Las clasificaciones son propias.