Artificial Analysis 发布 TTFA 指标:Eleven v4 Turbo 258ms 媲美原版
ArtificialAnlys · x · 2026-11-17
Artificial Analysis 推出新基准 Time to First Audio(TTFA),衡量 TTS 模型从收到请求到开始发声的等待时间——这直接决定语音 agent 的响应感。主流模型的首音延迟从 76 ms 到近 1 秒不等。
结合质量(Arena Elo)画出的 Pareto 前沿上,两个模型最突出:
- ElevenLabs Eleven v4 Turbo:以 258 ms 的首音延迟达到与原版 Eleven v4(653 ms)相当的质量;
- Speechify Simba 3.5:在首音低于 200 ms 的模型中 Arena Elo 最高。
对比图涵盖 AssemblyAI、Cartesia、Fish Audio、Google、Gradium、Inworld、MiniMax、Mistral 等主要厂商的 TTS 模型。
所属事件:Artificial Analysis 推出 TTS 首音延迟基准,最快 76ms(4 条相关)→
「多模态」频道最新
- CLAP2 模型新 demo:音频自动分割,附 HF Space 可试玩 — wightmanr · 2026-11-17
- AI 生成「罗伯特·帕丁森版 007」,胶片质感以假乱真 — egeberkina · 2026-11-17
- Higgsfield 推出短剧工作室:一份剧本生成整季短剧 — CurieuxExplorer · 2026-11-17
- 作者用 MiniMax H3 做AI表演测试:同一角色演绎六种情绪 — Acrobatic-Example315 · 2026-11-17
- Cohere 推出 Compass 视频检索:11 数据集平均 nDCG@10 达 0.69 超越各家嵌入模型 — cohere · 2026-11-17
- 港科大等发布 MemInStream:区分流式视频「真记忆」还是「仅识别」 — Zhenqi He · 2026-11-17