AssemblyAI 首个 TTS 模型实测：速度登顶，细节有短板

AssemblyAI 首个语音合成模型 AssemblyAI-TTS-1 发布后，Artificial Analysis 与评测机构 Cekura 分别给出多维度实测，整体呈现「速度顶尖、定价激进、细节有短板但部分场景突出」的画像。

已确认

• 速度：Artificial Analysis 榜单显示 162 字符/秒，居 TTS 速度榜首位，超过 Cartesia Sonic（148.6）与 Mistral Voxtral 等。
• 定价：$15/百万字符，进入第一梯队价位。
• 发音鲁棒性：总分 81.7%，排名第 16。该基准由人工评审判断模型能否正确读出四类困难文本，缩写展开是 AssemblyAI-TTS-1 的明显短板。
• 同声竞技场（Controlled Voice Arena）：所有模型使用同一克隆声音对比，AssemblyAI-TTS-1 以 1110 的 Elo 排名第 10，其中知识分享类以 1139 分进入前六，助手场景（1121）与客服类均排第 10。
• 样例音频：官方渠道放出一段典型客服话术样例（内容涉及取消费说明与免除），可供直观试听自然度。
• Cekura 第三方横评：据 AssemblyAI 转述，Cekura 对 27 个 TTS 模型的独立基准测试中，AssemblyAI-TTS-1 在电话号码和代码朗读上以 91.7% 准确率排第一，处于速度与准确率象限最佳；在 15 美元/百万字符及以下价位段中以 4.50 的表现领先。

为什么重要

AssemblyAI 首次进军语音合成即以速度与定价切入第一梯队，说明 TTS 市场竞争焦点正从单纯的自然度扩展到延迟与成本；Artificial Analysis 的鲁棒性第 16 与 Cekura 的电话号码/代码朗读第一形成互补视角——模型在结构化文本（数字、代码）上表现突出，但在缩写等口语化困难文本上仍需改进，选型时应结合具体业务文本类型在速度与准确性之间权衡。

2026-10-29 ~ 2026-10-29 · 6 条相关

事件全程(共 2 集)→

• 第 1 集:AssemblyAI 发布首款 TTS 模型 TTS-1(2026-10-28,5 条)
• 第 2 集:AssemblyAI 首个 TTS 模型实测：速度登顶，细节有短板(2026-10-29,6 条)

• AssemblyAI-TTS-1 同声竞技场得 1110 分排第 10，知识分享类进前六 — ArtificialAnlys · 2026-10-29
• 【源头】AssemblyAI-TTS-1 发音鲁棒性得分 81.7% 排第 16，缩写展开是短板 — ArtificialAnlys · 2026-10-29
• AssemblyAI-TTS-1 客服话术样例放出，可试听真实生成效果 — ArtificialAnlys · 2026-10-29
• 【源头】AssemblyAI-TTS-1 生成速度 162 字符/秒居首，$15/百万字符定价进第一梯队 — ArtificialAnlys · 2026-10-29
• Artificial Analysis TTS 榜：AssemblyAI-TTS-1 以 162 字符/秒登顶速度榜 — ArtificialAnlys · 2026-10-29
• 【源头】第三方 TTS 横评 27 模型：AssemblyAI 电话号码与代码读法第一 — AssemblyAI · 2026-10-29