Sakhanda Wire
NVDA $152.58 -2.28% MSFT $506.11 -2.29% GOOGL $279.81 -1.38% META $619.07 -1.17% AMZN $256.55 -0.47%
← К новостям

Open TTS Leaderboard масштабирует оценку многоязычных моделей

Новая Open TTS Leaderboard оценивает системы синтеза речи по объективным показателям, которые позволяют быстрее обрабатывать новые модели, чем рейтинги на основе голосования людей. По данным создателей, на 30 сентября 2026 года в Hugging Face Hub насчитывалось более 8K TTS-моделей, однако единый подход к их оценке не сформировался. Показатели включают разборчивость через WER и CER, скорость через RTFx и время до первого звука, а также сходство голоса на основе эмбеддингов WavLM.

Рейтинг поддерживает сравнение нескольких языков и проверку клонирования голоса. В основном представлении используется макро-средний WER для английских частей Seed TTS Eval и CV3 Eval; для остальных языков доступны данные CV3 Eval, а для китайского, японского и корейского рассчитывается CER. По совокупному английскому WER лидируют hexgrad/Kokoro-82M, Supertone/supertonic-3 и fishaudio/s2-pro. Среди сильных многоязычных моделей названы k2-fsa/OmniVoice, fishaudio/s2-pro и FunAudioLLM/Fun-CosyVoice3-0.5B-2512.

Вкладка Listen позволяет сравнивать результаты моделей и отправлять отзывы. Вкладка Streaming ранжирует системы по времени до первого звука на одинаковых запросах и оборудовании. Авторы подчёркивают, что автоматические показатели не оценивают естественность речи и предпочтения слушателей, поэтому не заменяют человеческие рейтинги. Скрипты оценки планируется опубликовать с открытым исходным кодом.

Текст подготовлен ИИ Sakhanda Wire по материалу Hugging Face. Факты, цитаты и полный контекст — в оригинальной статье ниже.

Впервые опубликовано изданием Hugging Face

Читать оригинал на Hugging Face ↗

Репортаж и изображение принадлежат Hugging Face и указаны выше со ссылкой на оригинал; текст на этой странице — собственное изложение Sakhanda Wire.

← К новостям

Ещё новости

Все последние новости