TTS-STIMMREGIE-BENCHMARK
Wie gut befolgen TTS-Modelle Regieanweisungen?
Ein offener Benchmark, der misst, wie zuverlässig TTS-Modelle Regieanweisungen in natürlicher Sprache befolgen und dabei die Sprecheridentität aus Zero-Shot-Referenzaudio bewahren.
RANGLISTE
Stimmregie-Rangliste
Stimmregie-Score (VDS)
Breeze TTS 2
MiMo-v2.5-TTS
StepAudio 2.5 TTS
Qwen-Audio 3.0-TTS-Plus
Inworld TTS-2
VoxCPM2METRIKEN
Zwei Maße für wirksame Stimmregie
Wir bewerten die Befolgung der Regieanweisung und die Bewahrung der Stimme. Zusammen zeigen sie, wie stark ein Modell die Darbietung verändert und wie zuverlässig es die ursprüngliche Stimme beibehält.
Stimmregie-Score
Misst, wie erfolgreich die erzeugte Sprache die Regieanweisung in natürlicher Sprache umsetzt. Bewertet wird ganzheitlich auf einer Fünf-Punkte-Skala, die die Erfüllung der ausdrücklichen Vorgaben, die geforderte Intensität, Timing und Übergänge, die Bewahrung der beabsichtigten Bedeutung sowie die Stimmigkeit und praktische Verwendbarkeit der Darbietung berücksichtigt.
Sprecherähnlichkeit
Misst, wie gut das erzeugte Audio die Referenzstimme bewahrt. Wir extrahieren Sprecher-Embeddings und berechnen die Kosinus-Ähnlichkeit zwischen jeder erzeugten Probe und dem zugehörigen Referenzaudio. Höhere Werte bedeuten eine stärkere Bewahrung der ursprünglichen Stimme.
DATENSATZ
700 Fälle. 9 Achsen. 25 Stimmen.
Prüfe, wie gut TTS-Modelle Regieanweisungen in natürlicher Sprache über 9 Achsen der Steuerbarkeit und 25 verschiedene Referenzstimmen hinweg befolgen. Der Benchmark testet, ob sich die Stimmsteuerung über unterschiedliche Sprecher, Anweisungen und Szenarien hinweg verallgemeinern lässt.
Fähigkeitsgruppen
Grundlegende Sprachsteuerung
Direkte Steuerung hörbarer Sprachmerkmale
Situatives Stimmschauspiel
Darbietung, geprägt von Emotion, Zustand, Absicht und Rolle
Komplexe Anweisung
Mehrere Steuerungen kombinieren und die Darbietung über die Zeit verändern
HÖR DEN UNTERSCHIED
Welches System folgt der Regieanweisung besser?
Regieanweisung
A voice choking up, fighting against a tightening throat.
Preset-Stimme
Skript
It's just hard to say goodbye to this old house after living here for forty years and seeing everything change around us.
Stimme A
Stimme B
RESSOURCEN
Reproduziere die Ergebnisse oder probiere Stimmregie selbst aus
Evaluations-Suite
Alles, was du brauchst, um diese Ergebnisse zu reproduzieren oder ein neues System zu bewerten.
Datensatz holen
Alle 700 englischen Stimmregie-Aufgaben über 25 Referenzstimmen hinweg, mit Anweisungen in natürlicher Sprache.
Führe bei jeder Darbietung Regie
Forme Ton, Emotion, Tempo und Darbietung mit Anweisungen in natürlicher Sprache in BreezeBlue Studio.