Turing TTS 基准出炉:最强语音模型仅 10% 次数骗过人耳
rohanpaul_ai · x · 2026-11-01
Voice Arena 推出 Turing TTS 基准,首次把「人类偏好」与「拟人度」拆成两个独立评测目标:让听众同听真人与模型读同一句话并挑出真人,模型被误判为真人的比例即 Fool Rate(50% 表示无法分辨)。
要点:
- 最强的 Gemini 3.8 Flash TTS 也只有约 10.5% 的 Fool Rate,全部上榜模型均处于「可被识别」档位
- 前四名(Gemini 3.8 Flash TTS、Gemini 3.8 Flash-Lite TTS、Cartesia Sonic-3.6、ElevenLabs v4 系列)在统计上打平,Fool Rate 从 10.5% 到 6% 不等
- 在 Voice Arena 的偏好榜上头部四模型同样不分伯仲,但对照真人,整个赛道差距仍很大
结论:最好的 AI 语音彼此难分,但离「以假乱真」还有距离;现有评测方法与「拟人」这一最终目标并不对齐,该基准试图补上这一环。
所属事件:Turing TTS 评测：最强语音模型仅10%骗过人耳(3 条相关)→
「模型」频道最新
- Gemini 引用链接悄悄撤掉 UTM 参数，9 月底起归因数据消失 — OnlineInference · 2026-11-01
- 圈内人热推两款冷门模型：Argon 号称接近 Opus 级,Terra 6.1 便宜快手 — banteg · 2026-11-01
- SenseNova-Loop-9B-Preview 冲上 Hugging Face 趋势榜 — sensenova · 2026-11-01
- Yacine 实测新模型：用它整理实验室、远程帮岳父母修电脑 — yacineMTB · 2026-11-01
- 出口管制挡不住权重:NVIDIA 把 DeepSeek-V4.1-Flash 压成 81GB FP4 — evisoft · 2026-11-01
- Grok 生成文本也加水印，用户探讨规避之道 — walkingriver · 2026-11-01