AssemblyAI 发布首个语音合成模型 AssemblyAI-TTS-1，进入 Provider Voice Arena 前 12
AssemblyAI 发布首个语音合成模型 AssemblyAI-TTS-1，在 Artificial Analysis 的 Provider Voice Arena 以 Elo 1,227 排名第 12，Controlled Voice 以 1,110 排名第 10。该模型发音鲁棒性得分 81.7% 排名第 16，生成速度 162 字符/秒，定价 $15/1M 字符。
Artificial Analysis· @ArtificialAnlys · X·2026-10-29 00:54· 47 分钟前AI 评分55
AI 导读
Artificial Analysis 评测了 AssemblyAI 发布的首个语音合成模型 AssemblyAI-TTS-1。该模型在 Provider Voice Arena 以 Elo 1,227 排名第 12，在 Controlled Voice 排名第 10，发音鲁棒性得分 81.7% 排名第 16。
正文 · 原文
AssemblyAI 发布了其首个文本转语音模型！AssemblyAI-TTS-1 进入我们 Provider Voice Arena 的前 12 名，并在 Controlled Voice 中进入前 10 名
@AssemblyAI 发布了其首个文本转语音模型 AssemblyAI-TTS-1！我们评估了它在两个语音竞技场以及我们的发音鲁棒性基准测试中的表现。
主要结论：
➤ 文本转语音，Provider Voice：AssemblyAI-TTS-1 在 1,626 次竞技场出场中获得 Elo 1,227，排名第 12，仅次于 Breeze TTS 2 的 1,228，领先于 Mistral 的 Voxtral 3 TTS 的 1,221 和 Inworld 的 Realtime TTS-2 Flash 的 1,218。它在英语（美国）和英语（英国）中均排名第 12。
➤ 文本转语音，Controlled Voice：AssemblyAI-TTS-1 在 1,674 次出场中获得 1,110 分，在相同的 8 个克隆声音中排名第 10，落后于 Cartesia 的 Sonic 3.5 的 1,118，领先于 Speechify 的 Simba 3.2 的 1,086。它在知识分享类别中排名第 6。
➤ 发音鲁棒性：AssemblyAI-TTS-1 在 2,115 个已评分片段中获得 81.7% 的得分，排名第 16，落后于 HeyGen Voice 的 83.2%，领先于 Inworld Realtime TTS-2 的 80.7%。它在保留精确序列类别中以 81.5% 排名第 6。
➤ 速度：AssemblyAI-TTS-1 每秒生成 162 个字符，快于 Cartesia 的 Sonic 3.6 的 148.6 和 Mistral 的 Voxtral 3 TTS 的 112.3。
➤ 定价：AssemblyAI-TTS-1 的定价为每百万字符 15 美元。在 Provider Voice 中排名高于它的十一个模型中，只有两个更便宜：Gemini 3.8 Flash-Lite TTS 为每百万字符 11 美元，Simba 3.2 为每百万字符 6.6 美元。Eleven v4 为每百万字符 80 美元，Sonic 3.6 为每百万字符 49 美元。
更多详情和试听样本见下方 ⬇️
来源：Artificial Analysis · x.com
来源：RadarAI · aihot.news