VoiceArena 推出 Turing TTS 评测：最佳模型 Gemini 3.8 Flash TTS 的 Fool Rate 仅约 10%
VoiceArena 推出 Turing TTS 评测：最佳模型 Fool Rate 仅约 10%
VoiceArena 推出 Turing TTS 评测，让听众听同一句话的人类语音和模型语音并挑出真人，挑错比例即 Fool Rate。最佳模型 Gemini 3.8 Flash TTS 的 Fool Rate 仅约 10%，而偏好榜前四名模型统计上并列，说明整个领域距难以与真人区分还有距离。
Rohan Paul· @rohanpaul_ai · X·2026-10-31 03:06· 19 分钟前AI 评分50
AI 导读
VoiceArena 推出 Turing TTS 评测，让听众听同一句话的人类语音和模型语音并挑出真人，挑错比例即 Fool Rate。最佳模型 Gemini 3.8 Flash TTS 的 Fool Rate 仅约 10%，而偏好榜前四名模型统计上并列，说明整个领域距难以与真人区分还有距离。
正文 · 原文
语音 AI 如今已足够出色，偏好度和拟人度可以作为两个独立目标来评分。
@voicearena_ai 推出了一个新基准 Turing TTS，直接对第二个目标打分：听众听同一句话由真人和模型分别说出，然后挑出真人。
他们挑中模型的比例就是 Fool Rate。50% 意味着听众无法分辨。
即便是最佳模型 Gemini 3.8 Flash TTS，也仅约 10% 的情况下骗过了听众。
在 Voice Arena 的偏好榜上，前四名模型在统计上并列。以真人为基准衡量，整个领域仍有很长的路要走。
https://x.com/shobhitbanga/status/2116236578045702373/video/1
Drop 2/15 我们真的在衡量我们最终希望语音 AI 模型达成的目标吗？ 最好的 AI 声音正变得越来越难以分辨。 是彼此之间难以分辨。而不是与真人之间。 🚀 推出 Turing TTS：一项衡量人类听众将 AI 生成语音误认为真人语音频率的评测。 我们用真实人类语音测试了领先的 TTS 模型。即便是最佳模型，也仅约 10% 的情况下骗过了听众。 借助 Turing TTS，我们希望为研究界关于如何衡量语音 AI 进展的更广泛讨论做出贡献。 如果我们的目标之一是开发与人类语音无法区分的语音，那么我们当前的评测方法在多大程度上捕捉到了朝这一目标取得的进展？ 我们并不声称 Turing TTS 是正确的前进方向，也不认为人类无法区分应当成为每个 TTS 系统的目标。 相反，我们希望这些发现能鼓励社区共同审视：对自然度的盲测成对人类评估是否足够，以及我们还需要衡量什么。 结果现已在 @voicearena_ai 上线。在 X 查看被引用的帖子
来源：Rohan Paul · x.com
来源：RadarAI · aihot.news