Artificial Analysis: Qwen-Audio-3.1-TTS-Plus dẫn đầu về chuyển văn bản thành giọng nói tiếng Anh Mỹ, HeyGen Voice dẫn đầu tiếng Anh Anh và bảng xếp hạng tổng thể

Artificial Analysis cho biết trong Controlled Voice Arena, nơi chấm điểm mọi mô hình chuyển văn bản thành giọng nói trên cùng tám giọng nói được nhân bản (bốn giọng Mỹ, bốn giọng Anh), Qwen-Audio-3.1-TTS-Plus dẫn đầu bảng xếp hạng tiếng Anh Mỹ, trong khi HeyGen Voice hoạt động tốt hơn với tiếng Anh Anh và dẫn đầu bảng xếp hạng tổng thể.

Theo báo cáo, 12 trong số 49 mô hình cho thấy khác biệt có ý nghĩa thống kê giữa tiếng Anh Mỹ và tiếng Anh Anh (khoảng tin cậy không chồng lấp): bảy mô hình hoạt động tốt hơn với tiếng Anh Mỹ và năm mô hình với tiếng Anh Anh. Mức chênh lệch trung bình giữa tất cả các mô hình là 7 điểm Elo; theo đánh giá của họ, điều này cho thấy không có thiên lệch rõ rệt về giọng vùng miền nói chung. Các mức chênh lệch lớn nhất được liệt kê:

• Lightning V3.1 Pro: cao hơn 94 điểm Elo với tiếng Anh Mỹ
• Qwen-Audio-3.1-TTS-Plus: cao hơn 66 điểm với tiếng Anh Mỹ
• Soniox TTS Real-Time v2: cao hơn 51 điểm với tiếng Anh Anh
• Speech 2.8 Turbo: cao hơn 49 điểm với tiếng Anh Anh

Artificial Analysis khuyến nghị đánh giá mô hình giọng nói bằng giọng vùng miền phù hợp với nhu cầu sử dụng, thay vì chỉ dựa vào bảng xếp hạng tổng thể. Các bảng xếp hạng này do họ tự xây dựng.