Open TTS排行榜:多语言文本转语音和声音克隆的可扩展评估
huggingface ·
Hugging Face团队推出了Open TTS排行榜,以解决现有基于竞技场模式的文本转语音(TTS)模型评估方法在可扩展性方面存在的问题。与难以跟上超过8000个开源模型快速发布节奏的人工投票排行榜不同,该平台依赖词错误率、说话人相似度和推理速度等客观指标进行评估。通过利用Qwen3 ASR进行清晰度检查以及WavLM进行语音克隆评估,该排行榜将评估时间从数周缩短至数小时。系统突出了表现优异者,如hexgrad/Kokelo-82M在英语准确性方面的优势,以及k2-fsa/OmniVoice在多语言能力上的表现。平台还设有“聆听”标签页,用户可在此比较音频输出并进行投票,从而弥合自动评分与人类偏好之间的差距。此外,系统通过首次音频生成时间来衡量流式性能,以支持交互式应用,其中kyutai/pocket-tts因在GPU和CPU上均表现出色而受到关注。该倡议旨在优先关注常被商业导向竞技场忽视的开源模型,并邀请社区反馈以完善未来的评估工作。
huggingface