TTS 延迟稳定性横评:Gradium 13ms 最稳,Gemini 3.1 Flash TTS 波动近千毫秒
ArtificialAnlys · x · 2026-11-17
Artificial Analysis 补充其 TTS 横评数据,对比主流文本转语音模型在延迟、质量、发音与价格上的表现。
延迟稳定性(IQR,中间 50% 请求的波动范围):
- Gradium TTS 最稳,波动仅 13 ms
- Speechify Simba 3.2 与 Inworld Realtime TTS-2 分别为 23 ms、32 ms
- Google Gemini 3.1 Flash TTS 波动高达 908–975 ms
- Mistral Voxtral 3 TTS 为 455–576 ms
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