Artificial Analysis: Qwen-Audio-3.1-TTS-Plus lidera em síntese de fala em inglês dos EUA; HeyGen Voice lidera em inglês do Reino Unido e no geral

A Artificial Analysis afirma que, em sua Controlled Voice Arena, que avalia todos os modelos de síntese de fala usando as mesmas oito vozes clonadas (quatro dos EUA e quatro do Reino Unido), Qwen-Audio-3.1-TTS-Plus lidera o ranking de inglês dos EUA, enquanto HeyGen Voice tem desempenho melhor em inglês do Reino Unido e lidera o ranking geral.

A empresa informa que 12 dos 49 modelos apresentam diferenças estatisticamente significativas entre o inglês dos EUA e o do Reino Unido (intervalos de confiança não sobrepostos): sete têm desempenho melhor em inglês dos EUA e cinco, em inglês do Reino Unido. A diferença média entre todos os modelos é de 7 pontos Elo, o que, segundo a análise, indica que não há um forte viés geral de sotaque. As maiores diferenças listadas:

• Lightning V3.1 Pro: 94 pontos Elo a mais em inglês dos EUA
• Qwen-Audio-3.1-TTS-Plus: 66 pontos a mais em inglês dos EUA
• Soniox TTS Real-Time v2: 51 pontos a mais em inglês do Reino Unido
• Speech 2.8 Turbo: 49 pontos a mais em inglês do Reino Unido

A Artificial Analysis recomenda avaliar um modelo de fala no sotaque necessário para o seu caso de uso, em vez de confiar no ranking geral. Os rankings são da própria empresa.