Open TTS Leaderboard lancia metriche oggettive per la sintesi vocale multilingue e il voice cloning

È stata introdotta una nuova classifica per Open TTS per valutare i modelli di sintesi vocale attraverso criteri oggettivi, con l'obiettivo di ridurre la frammentazione nelle valutazioni TTS. Valuta l'intelligibilità calcolando i tassi di errore a livello di parola e carattere con Qwen3 ASR, misura la velocità utilizzando il fattore inverso in tempo reale e il tempo al primo audio su GPU H200 e CPU, e valuta la similarità del parlante attraverso la similarità coseno degli embedding WavLM. Il tempo necessario per le valutazioni è stato ridotto da settimane a poche ore. I modelli migliori, in base al WER medio macro per le suddivisioni inglesi di Seed TTS Eval e CV3 Eval, includono hexgrad/Kokoro-82M, Supertone/supertonic-3 e fishaudio/s2-pro. Le capacità multilingue includono k2-fsa/OmniVoice e FunAudioLLM/Fun-CosyVoice3-0.5B-2512. Questa classifica dà priorità ai modelli open-source e intende rilasciare gli script di valutazione. Al 30 settembre 2026, solo 16 dei 92 modelli su Artificial Analysis sono open-weight.