BENCHMARK TTS DIRECTION DE VOIX
Les modèles TTS savent-ils suivre une direction ?
Un benchmark ouvert qui mesure la fiabilité avec laquelle les modèles TTS suivent des instructions d’interprétation en langage naturel tout en préservant l’identité du locuteur à partir d’un audio de référence zero-shot.
CLASSEMENT
Classement de direction de voix
Score de direction de voix (VDS)
Breeze TTS 2
MiMo-v2.5-TTS
StepAudio 2.5 TTS
Qwen-Audio 3.0-TTS-Plus
Inworld TTS-2
VoxCPM2MÉTRIQUES
Deux mesures d’une direction de voix efficace
Nous évaluons le suivi de la direction et la préservation du locuteur. Ensemble, elles montrent à quel point un modèle transforme l’interprétation et avec quelle fiabilité il conserve la voix d’origine.
Score de direction de voix
Mesure avec quel succès la parole générée réalise la direction formulée en langage naturel. L’évaluation utilise une échelle globale en cinq points qui prend en compte le respect des exigences explicites, l’intensité demandée, le rythme et les transitions, la préservation du sens visé, ainsi que la cohérence et l’utilisabilité pratique de l’interprétation.
Similarité du locuteur
Mesure dans quelle mesure l’audio généré préserve le locuteur de référence. Nous extrayons des embeddings de locuteur et calculons la similarité cosinus entre chaque échantillon généré et son audio de référence. Des valeurs plus élevées indiquent une préservation plus forte de la voix d’origine.
DATASET
700 cas. 9 axes. 25 voix.
Évaluez avec quelle fidélité les modèles TTS suivent une direction en langage naturel sur 9 axes de contrôle et 25 voix de référence distinctes. Le benchmark vérifie si le contrôle de la voix se généralise à différents locuteurs, instructions et scénarios.
Groupes de capacités
Contrôle fondamental de la parole
Contrôle direct des caractéristiques audibles de la parole
Jeu vocal situationnel
Interprétation façonnée par l’émotion, l’état, l’intention et le rôle
Instruction complexe
Combiner plusieurs contrôles et faire évoluer l’interprétation dans le temps
ÉCOUTEZ LA DIFFÉRENCE
Quel système suit le mieux la direction de voix ?
Direction de voix
A voice choking up, fighting against a tightening throat.
Voix prédéfinie
Script
It's just hard to say goodbye to this old house after living here for forty years and seeing everything change around us.
Voix A
Voix B
RESSOURCES
Reproduisez les résultats ou essayez la direction de voix
Suite d’évaluation
Tout ce qu’il faut pour reproduire ces résultats ou évaluer un nouveau système.
Obtenir le dataset
Les 700 tâches de direction de voix en anglais réparties sur 25 voix de référence, avec des instructions en langage naturel.
Dirigez chaque interprétation
Façonnez le ton, l’émotion, le rythme et l’interprétation avec des instructions en langage naturel dans BreezeBlue Studio.