盲测:75 人听 496 段有声书,分辨 AI 与人声准确率仅 48.8%
antiochIst · reddit · 2026-11-12
一项控制严格的盲测研究显示,听众几乎无法分辨 ElevenLabs v4 合成语音与真人朗读。
核心结果
- 75 名听众对 496 段有声书片段做强制二选一,总体准确率 48.8%(95% CI 44.0–53.8),d' = -0.04,与瞎猜无异。
- 片段时长(15/30/60 秒)对结果无影响,差异为 0 个百分点。
- 自信度也无帮助:「非常自信」的回答准确率仅 48.7%;58 个高自信错误中 36 个是把 AI 声当真人。
- 被认为最像真人的声音,第一位是真人朗读员(81%),第二位就是 ElevenLabs 的「Eric」(80%);三位真人朗读员反而只有不到三分之一的人认出。
方法亮点
- AI 侧为 ElevenLabs v4 默认设置的 6 个内置音色;人声侧为 10 位 LibriVox 志愿者朗读者。
- 作者先用声学特征训练小分类器,发现仅凭 spectral tilt 区分两组的 AUC 就达 0.815——差异来自录音链路而非语音本身。对真人片段做均衡修正直到 AUC 降到 0.51 后才启动听测,排除了「麦克风差异」混淆。
局限:中期数据(计划 1200 次判断的 41%)、单一 TTS 系统、单一体裁(平静非虚构)、AI/人声样本不均衡(180/30)、志愿者而非职业朗读者。作者强调不能推广为「合成语音普遍不可检测」。
意义:大多数「人类能听出来」的结论来自非盲听或录音链路不一致的素材;在匹配材料、消除链路差异后,至少对这个系统与这个体裁,答案是不能。作者披露运营听测面板 Woodstitch,由一家有声书制作方资助。
「多模态」频道最新
- Midjourney sref 风格码实测：浮世绘版麦当劳城市街景 — sergeantsref · 2026-11-12
- Google Carbon 实测:模拟彩玻璃积木塔的光影与碎裂 — AI_Andrew · 2026-11-12
- 用 Claude Opus 5.5 给游戏场景配乐:三种风格实测 — wollymonjac · 2026-11-12
- 开源项目 Hero's Journey:六步工作流生成 AI 短片 — neuroform · 2026-11-12
- ComfyUI 联动 Open Manager 上线 Vast.AI 一键部署模板 — WASasquatch · 2026-11-12
- Adobe Project Rinse Repeat 现场演示,观众沸腾 — LinusEkenstam · 2026-11-12