BENCHMARK DE DIREÇÃO DE VOZ TTS
Quão bem os modelos de TTS seguem a direção?
Um benchmark aberto que mede a confiabilidade com que modelos de TTS seguem instruções de interpretação em linguagem natural preservando a identidade do locutor a partir de áudio de referência zero-shot.
RANKING
Ranking de direção de voz
Pontuação de direção de voz (VDS)
Breeze TTS 2
MiMo-v2.5-TTS
StepAudio 2.5 TTS
Qwen-Audio 3.0-TTS-Plus
Inworld TTS-2
VoxCPM2MÉTRICAS
Duas formas de medir uma direção de voz eficaz
Avaliamos o seguimento da direção e a preservação do locutor. Juntas, elas mostram o quanto um modelo transforma a interpretação e com que confiabilidade mantém a voz original.
Pontuação de direção de voz
Mede com que sucesso a fala gerada cumpre a direção expressa em linguagem natural. Usa uma escala holística de cinco pontos que considera o cumprimento dos requisitos explícitos, a intensidade solicitada, o tempo e as transições, a preservação do sentido pretendido, e a coerência e a usabilidade prática da interpretação.
Similaridade de locutor
Mede o quanto o áudio gerado preserva o locutor de referência. Extraímos embeddings de locutor e calculamos a similaridade de cosseno entre cada amostra gerada e o áudio de referência correspondente. Valores mais altos indicam maior preservação da voz original.
DATASET
700 casos. 9 eixos. 25 vozes.
Avalie o quanto os modelos de TTS seguem a direção em linguagem natural em 9 eixos de controle e 25 vozes de referência distintas. O benchmark verifica se o controle de voz generaliza entre diferentes locutores, instruções e cenários.
Grupos de capacidades
Controle fundamental da fala
Controle direto das características audíveis da fala
Atuação de voz situacional
Interpretação moldada pela emoção, pelo estado, pela intenção e pelo papel
Instrução complexa
Combinar vários controles e mudar a interpretação ao longo do tempo
ESCUTE A DIFERENÇA
Qual sistema segue melhor a direção de voz?
Direção de voz
A voice choking up, fighting against a tightening throat.
Voz predefinida
Roteiro
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
Reproduza os resultados ou experimente a direção de voz
Suíte de avaliação
Tudo o que você precisa para reproduzir estes resultados ou avaliar um novo sistema.
Obter o dataset
Todas as 700 tarefas de direção de voz em inglês, distribuídas em 25 vozes de referência, com instruções em linguagem natural.
Dirija cada interpretação
Molde o tom, a emoção, o ritmo e a interpretação com instruções em linguagem natural no BreezeBlue Studio.