Artificial Analysis: Qwen-Audio-3.1-TTS-Plus अमेरिकी अंग्रेज़ी टेक्स्ट-टू-स्पीच में सबसे आगे, HeyGen Voice ब्रिटिश अंग्रेज़ी और कुल मिलाकर शीर्ष पर

Artificial Analysis के मुताबिक, उसके Controlled Voice Arena में—जहाँ हर टेक्स्ट-टू-स्पीच मॉडल को उन्हीं आठ क्लोन की गई आवाज़ों (चार अमेरिकी, चार ब्रिटिश) पर स्कोर किया जाता है—Qwen-Audio-3.1-TTS-Plus अमेरिकी अंग्रेज़ी रैंकिंग में सबसे आगे है, जबकि HeyGen Voice ब्रिटिश अंग्रेज़ी में बेहतर प्रदर्शन करता है और कुल लीडरबोर्ड में शीर्ष पर है।

उसकी रिपोर्ट के अनुसार, 49 में से 12 मॉडल अमेरिकी और ब्रिटिश अंग्रेज़ी के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर दिखाते हैं (विश्वास अंतराल एक-दूसरे से मेल नहीं खाते): सात अमेरिकी अंग्रेज़ी में और पाँच ब्रिटिश अंग्रेज़ी में बेहतर प्रदर्शन करते हैं। सभी मॉडलों में औसत अंतर 7 Elo अंक है, जिसे वह इस बात का संकेत मानता है कि कुल मिलाकर उच्चारण के प्रति कोई मज़बूत पक्षपात नहीं है। उसके मुताबिक सबसे बड़े अंतर ये हैं:

• Lightning V3.1 Pro: अमेरिकी अंग्रेज़ी में 94 Elo अंक अधिक
• Qwen-Audio-3.1-TTS-Plus: अमेरिकी अंग्रेज़ी में 66 अंक अधिक
• Soniox TTS Real-Time v2: ब्रिटिश अंग्रेज़ी में 51 अंक अधिक
• Speech 2.8 Turbo: ब्रिटिश अंग्रेज़ी में 49 अंक अधिक

Artificial Analysis की सलाह है कि समग्र रैंकिंग पर निर्भर रहने के बजाय, अपने उपयोग के मामले के लिए ज़रूरी उच्चारण में स्पीच मॉडल का मूल्यांकन करें। ये रैंकिंग उसी की अपनी हैं।