Artificial Analysis: Qwen-Audio-3.1-TTS-Plus лидирует в синтезе речи на американском английском, HeyGen Voice — на британском и в общем рейтинге

По данным Artificial Analysis, в Controlled Voice Arena, где каждую модель синтеза речи оценивают на одних и тех же восьми клонированных голосах (четырёх американских и четырёх британских), Qwen-Audio-3.1-TTS-Plus лидирует в рейтинге для американского английского, а HeyGen Voice показывает лучшие результаты для британского английского и возглавляет общий рейтинг.

Компания сообщает, что у 12 из 49 моделей выявлены статистически значимые различия между американским и британским английским (доверительные интервалы не перекрываются): семь моделей лучше справляются с американским английским, а пять — с британским. Средняя разница для всех моделей составляет 7 баллов Elo, что, по оценке компании, не указывает на выраженную общую предвзятость к тому или иному акценту. Вот самые большие разрывы:

• Lightning V3.1 Pro: на 94 балла Elo выше для американского английского
• Qwen-Audio-3.1-TTS-Plus: на 66 баллов выше для американского английского
• Soniox TTS Real-Time v2: на 51 балл выше для британского английского
• Speech 2.8 Turbo: на 49 баллов выше для британского английского

Artificial Analysis рекомендует оценивать модель синтеза речи с акцентом, который нужен для вашего сценария, а не полагаться на общий рейтинг. Рейтинги составлены самой компанией.