Artificial Analysis：Qwen-Audio-3.1-TTS-Plusは米国英語の音声合成で首位、英国英語と総合ではHeyGen Voiceが首位

Artificial Analysisによると、同社のControlled Voice Arenaでは、すべてのテキスト読み上げモデルを同じ8種類のクローン音声（米国英語4種類、英国英語4種類）で評価しています。Qwen-Audio-3.1-TTS-Plusは米国英語ランキングで首位となり、英国英語ではHeyGen Voiceの成績がより高く、総合ランキングでも首位です。

同社の報告では、49モデル中12モデルで米国英語と英国英語の成績に統計的に有意な差が見られます（信頼区間が重複しない）。うち7モデルは米国英語で、5モデルは英国英語でより高い成績でした。全モデルの平均差は7 Eloポイントであり、全体として強いアクセント偏りはないとしています。挙げられた最大の差は以下のとおりです。

• Lightning V3.1 Pro：米国英語のほうが94 Eloポイント高い
• Qwen-Audio-3.1-TTS-Plus：米国英語のほうが66ポイント高い
• Soniox TTS Real-Time v2：英国英語のほうが51ポイント高い
• Speech 2.8 Turbo：英国英語のほうが49ポイント高い

Artificial Analysisは、総合ランキングだけに頼らず、用途に必要なアクセントで音声モデルを評価するよう勧めています。ランキングは同社独自のものです。