跳到正文
RadarAI· X:Artificial Analysis (@ArtificialAnlys)·· 1 天前AI 评分38

Artificial Analysis 新增 TTS 首音频延迟基准,领先模型 76 ms 至近 1 秒

Artificial Analysis 新增 TTS 首音频延迟基准

AI 导读

Artificial Analysis 推出 Time to First Audio 基准,衡量 TTS 模型开始发声的速度,领先模型等待时间从 76 ms 到近 1 秒不等。

正文 · AI 翻译

Artificial Analysis· @ArtificialAnlys · X·2026-11-17 01:00· 55 分钟前AI 评分44

AI 导读

Artificial Analysis 推出 Time to First Audio 基准,衡量 TTS 模型开始发声的速度,领先模型从 76 ms 到近 1 秒不等。

正文 · 原文

Artificial Analysis 发布 Time to First Audio,衡量文本转语音模型开始发声的速度。在领先模型中,等待时间从 76 ms 到近 1 秒不等

我们的文本转语音基准已覆盖质量、发音和生成速度,但未涵盖用户在听到任何声音前需要等待多久——这个数字决定了语音智能体是否让人感觉响应及时。我们每天在相同的 12 条提示词、四种输入长度上测量每个模型,计时可听语音而非首字节,并报告滚动 7 天均值。

关键结果:

  • 前沿最快:@SpeechifyAI 的 Simba 3.5 在 116 ms 内开始发声——在 200 ms 内开始发声的模型中 Arena Elo 最高。@InworldAI 的 Realtime TTS-2 以 186 ms 紧随其后。
  • Turbo 变体名副其实:@ElevenLabs 的 Eleven v4 Turbo 在 258 ms 内开始发声,而 Eleven v4 为 653 ms,两者 Arena Elo 相同。@FishAudio 的 Fish Audio Drama 3 以 258 ms 与之持平,@cartesia 的 Sonic 3.6 为 287 ms。
  • 流式是分界线:65 个流式模型通常在几百毫秒内开始发声,中位数为 376 ms。20 个非流式模型必须完成生成后才返回任何内容:中位数为 2.0 秒。

更多详情见下方 ⬇️

来源:Artificial Analysis · x.com

来源:RadarAI · aihot.news