排行榜
音色设计排行榜
Breeze TTS 2
MiMo-V2.5-TTS
Inworld Voice Design
Fun-AudioGen-VD
Eleven v3
Qwen3-TTS-VD
VoxCPM2评测指标
衡量角色音色设计的三个维度。
我们从角色契合度、音色多样性和文本通过率三方面评测。它们共同衡量单条表现与整套角色阵容的广度。
角色契合度
生成的声音是否真正属于这个角色。评审对照完整角色档案，从年龄、质感、性格与演绎方式综合给出 1–5 分。未通过文本关卡的样本不参与评分。
音色多样性
整套生成角色中声学上可区分的声音簇数量，反映这套角色听起来是不同的人，还是塌缩成少数几个「万能声线」。它与角色契合度互补：模型可能每条提示都执行得不错，却反复复用同几个声音。
文本通过率
每条音频是否清晰说出了指定台词，独立于音色设计质量单独评判。轻微发音或清晰度问题记为通过；明显替换、遗漏或插入记为降级；改写或跳过台词记为失败。报告分数为评为通过的样本占比。
数据集
1,000 个角色，横跨七大叙事世界
数据集精选自 CharacterCodex，每个任务将匿名化的角色提示与一段自然的预览台词配对——考察模型在不依赖知名角色与 IP 的前提下创造独特声音的能力。
文学、戏剧与诗歌
18%小说 • 戏剧 • 短篇故事 • 歌曲 • 诗歌
纪实、新闻与研究来源
17%传记 · 纪录片 · 报纸 · 科学论文 · 研究期刊
神话、民俗与历史传说
14%神话 · 都市传说 · 历史文献 · 民间故事 · 童话
插画与动画媒体
14%漫画 · 图像小说 · 动画 · 美漫 · 网络漫画
游戏与互动娱乐
13%电子游戏 · 桌面游戏 · 卡牌游戏 · 桌上角色扮演
期刊与网络媒体
13%杂志 · 博客 · 网络文章
影视
11%电影 · 电视剧
听出差距
同一个角色，同一段台词，哪个声音更贴合？
音色设计提示
Mature male, 50s-60s, Japanese-accented English. Dignified, measured, stoic tone. Clear texture with slight age rasp. Deliberate pacing, significant pauses. Conveys wisdom, authority, and visionary caution.
台词
We do not rebuild a nation with noise or haste. We place each stone with care, and when doubt rises, we answer it with discipline, patience, and an unshaken sense of duty.
