22 сентября 2026 г.
Английский не объясняет качество TTS: Sonic лидирует в 8 из 9 языков
22 сентября семейство Sonic от Cartesia возглавило 8 из 9 новых языковых рейтингов TTS. Sonic 3.6 заняла первое место в 7 языках, а Realtime TTS-2 от Inworld стала лидером в китайском мандарине.
Artificial Analysis
@artificialanlys
Представляем многоязычные рейтинги Text to Speech Arena: мы сравнили ведущие TTS-модели на 9 языках помимо английского 🇯🇵 🇨🇳 🇮🇳 🇪🇸 🇩🇪 🇫🇷 🇵🇹 🇻🇳 🇸🇦 Качество TTS сильно различается между языками: модель, которая хорошо работает на английском, не обязательно так же справится с произношением, темпом, интонацией и естественностью на других языках. Мы расширили Artificial Analysis Controlled Voice Arena на 9 новых языков: японский 🇯🇵, китайский мандарин 🇨🇳, хинди 🇮🇳, испанский 🇪🇸, немецкий 🇩🇪, французский 🇫🇷, португальский 🇵🇹, вьетнамский 🇻🇳 и арабский 🇸🇦. Каждую модель оценивают на стандартизированных клонированных голосах. Промпты написаны носителями каждого языка, а голоса за предпочтительный вариант собирают у носителей. Elo считают отдельно для каждого языка, поэтому каждый рейтинг отражает предпочтения его носителей. Главные результаты: ➤ Семейство Sonic от @Cartesia лидирует в 8 из 9 новых языковых рейтингов. Sonic 3.6 заняла первое место в 7 языках, а Sonic 3.5 лидирует в португальском. Realtime TTS-2 от @InworldAI заняла первое место в китайском мандарине. ➤ Семейство Eleven v3 от @ElevenLabs вошло в тройку лидеров в 7 из 9 новых языков: благодаря Eleven v3 и Eleven v3 Conversational. ➤ Realtime TTS-2 от Inworld лидирует в китайском мандарине с 1185 Elo. Sonic 3.6 набрала 1146, а StepAudio 2.5 TTS от StepFun — 1130. Realtime TTS-2 также занимает первое место в английском США. ➤ В 9 новых языковых рейтингах собрано более 100 тысяч голосов людей. В каждом языке ранжируются от 15 до 24 публичных моделей. Смотрите результаты по языкам ниже ⬇️
· 4,7 тыс. просмотров
Теперь Artificial Analysis отдельно сравнивает TTS на японском, китайском мандарине, хинди и ещё 6 языках. Модель может хорошо звучать по-английски, но иначе передавать произношение, темп и интонацию на другом языке.
Голос выбирают по языку. Более 100 тысяч голосов носителей сформировали отдельные рейтинги, где в каждом языке участвуют от 15 до 24 публичных моделей. Для мультиязычного приложения одного общего лидера уже недостаточно.
Каждый из 9 языков получил отдельный рейтинг с независимым Elo.
Первоисточник
