UBC 团队发布 RVCBench：18 项评测测出语音克隆模型真实短板
机器之心 · wechat · 2026-10-21
UBC 与 Vector Institute 团队提出 RVCBench，把语音克隆鲁棒性拆成输入、生成、输出和音频扰动四个环节、10 类任务，用 14370 个样本系统评测 18 个开源模型，已被 NeurIPS 2026 接收。
主要发现：
- 干净高分≠鲁棒：StyleTTS2、PlayDiffusion 在英语测试集 WER 低至 0.01，但说话人相似度明显低于 CosyVoice、GLM-TTS。
- 模型更大不等于更稳：639M 的 CosyVoice 在多语种设定下优于 5.97B 的 Higgs；混合架构在跨语言场景最均衡。
- 参考音频 8–12 秒是甜蜜点，超过后收益饱和；分钟级长文本让所有模型 WER 上升。
- 噪声伤害巨大：背景噪声使 WER 相对恶化 265.6%；SafeSpeech/SPEC 等防克隆保护可把说话人相似度从 0.492 降到 0.22–0.24，且用 DEMUCS 去噪难以破解。
- 压缩与窄带电话传输造成稳定损失，可检测性因模型架构而异。
基准已开源为 pip 可安装工具包（rvcbench），含 22 个模型的榜单。
「研究」频道最新
- arXiv 论文为 StopGrad 正名：无损失函数也能收敛到正确解 — srush_nlp · 2026-10-23
- PEARL 演示：LLM 机器人自主核对实验结果、修正方案并复测 — KevinKaichuang · 2026-10-23
- 伯克利 StyleStream 2.0：流式语音转换延迟降至 520ms 提速一倍 — Berkeley · 2026-10-23
- 数学博士生宣布离开学术界：AI 正让数学变得面目全非 — pickover · 2026-10-23
- ICLR 投稿现 LLM 残留自评：作者模型自曝结果不显著 — _onionesque · 2026-10-23
- AKV 推理系统让 Agent 自管 KV 缓存,成本降 27.7% 准确率反升 — _akhaliq · 2026-10-23