Один текст для сравнения голосов TTS
В сентябрьской серии Silero, TeraTTS, Qwen, eSpeech, F5 и VoxCPM2 сравнивали на сохранённых аудиопримерах.
Что слышно в демо
На одинаковом тексте проще заметить лишние паузы, произношение и то, как голос ведёт себя на конце фразы. В приложенных JSON есть метрики отдельных запусков и причины, по которым часть моделей не удалось проверить.
Условия у запусков различались. Локальный CPU и удалённое демо помогают оценить разные стороны, поэтому скорость имеет смысл сравнивать внутри одного режима. Для задержки в Chat Agent позже отдельно измеряли первый PCM, Opus и старт воспроизведения.
Отчёты и данные
- Открыть материалHTML
Файлы и таблицы · 21
- article-demos.jsonJSON
- chatterbox-v3-space.blocked.jsonJSON
- espeech-tts-1-rl-v2-my-voice-cpu.jsonJSON
- f5-tts-russian-v2-my-voice-cpu.jsonJSON
- modelscope-qwen.blocked.jsonJSON
- portable-pro-source.jsonJSON
- qwen-0.6b-base-my-voice-cpu.jsonJSON
- qwen-official-space-my-voice.blocked.jsonJSON
- qwen3-tts-0.6b-base-aidar-hf-space.metrics.jsonJSON
- qwen3-tts-0.6b-base-cpu.blocked.jsonJSON
- qwen3-tts-0.6b-base-xenia-hf-space.blocked.jsonJSON
- qwen3-tts-1.7b-base-aidar-hf-space.metrics.jsonJSON
- qwen3-tts-1.7b-base-cpu.aborted.jsonJSON
- qwen3-tts-1.7b-base-hf-space.metrics.jsonJSON
- qwen3-tts-1.7b-base-xenia-hf-space.metrics.jsonJSON
- silero-aidar-xenia-dialogue-local.jsonJSON
- terattsv2-ru_f1-cpu.metrics.jsonJSON
- terattsv2-russian-variants-cpu.metrics.jsonJSON
- voxcpm2-design-female.jsonJSON
- voxcpm2-design-male.jsonJSON
- voxcpm2-my-voice.jsonJSON