BENCHMARK DE DIRECCIÓN DE VOZ TTS
¿Hasta qué punto siguen la dirección los modelos de TTS?
Un benchmark abierto que mide con qué fiabilidad los modelos de TTS siguen instrucciones de interpretación en lenguaje natural mientras preservan la identidad del hablante a partir de audio de referencia zero-shot.
CLASIFICACIÓN
Clasificación de dirección de voz
Puntuación de dirección de voz (VDS)
Breeze TTS 2
MiMo-v2.5-TTS
StepAudio 2.5 TTS
Qwen-Audio 3.0-TTS-Plus
Inworld TTS-2
VoxCPM2MÉTRICAS
Dos formas de medir una dirección de voz eficaz
Evaluamos el seguimiento de la dirección y la preservación del hablante. Juntas, reflejan hasta qué punto un modelo transforma la interpretación y con qué fiabilidad mantiene la voz original.
Puntuación de dirección de voz
Mide con cuánto éxito el habla generada cumple la dirección expresada en lenguaje natural. Usa una escala holística de cinco puntos que considera el cumplimiento de los requisitos explícitos, la intensidad solicitada, el momento y las transiciones, la preservación del sentido original, y la coherencia y la usabilidad práctica de la interpretación.
Similitud del hablante
Mide hasta qué punto el audio generado preserva al hablante de referencia. Extraemos embeddings de hablante y calculamos la similitud del coseno entre cada muestra generada y su audio de referencia. Los valores más altos indican una mayor preservación de la voz original.
DATASET
700 casos. 9 ejes. 25 voces.
Evalúa hasta qué punto los modelos de TTS siguen la dirección en lenguaje natural a lo largo de 9 ejes de control y 25 voces de referencia distintas. El benchmark comprueba si el control de la voz generaliza entre distintos hablantes, instrucciones y escenarios.
Grupos de capacidades
Control fundamental del habla
Control directo de los rasgos audibles del habla
Actuación de voz situacional
Interpretación moldeada por la emoción, el estado, la intención y el rol
Instrucción compleja
Combinar varios controles y cambiar la interpretación a lo largo del tiempo
ESCUCHA LA DIFERENCIA
¿Qué sistema sigue mejor la dirección de voz?
Dirección de voz
A voice choking up, fighting against a tightening throat.
Voz predefinida
Guion
It's just hard to say goodbye to this old house after living here for forty years and seeing everything change around us.
Voz A
Voz B
RECURSOS
Reproduce los resultados o prueba la dirección de voz
Suite de evaluación
Todo lo necesario para reproducir estos resultados o evaluar un sistema nuevo.
Obtener el dataset
Las 700 tareas de dirección de voz en inglés repartidas en 25 voces de referencia, con instrucciones en lenguaje natural.
Dirige cada interpretación
Da forma al tono, la emoción, el ritmo y la interpretación con instrucciones en lenguaje natural en BreezeBlue Studio.