Artificial Analysis 发布 TTS 发音鲁棒性基准：Gemini 3.1 Flash 居首

评测机构 Artificial Analysis 推出针对语音合成的 Pronunciation Robustness（发音鲁棒性）基准，旨在评估语音模型在复杂或边界文本下的读音准确率与可靠性。

• 测试设计包含 454 个句子与 701 个目标词组，划分为上下文语境适应、缩写与符号展开、精确序列保持以及独立专有名词四类场景。
• 评测结果显示 Google Gemini 3.1 Flash TTS 以 88.1% 的正确率位居首位，SpaceXAI TTS（87.6%）和 ElevenLabs Eleven v3（85.6%）分列二、三位。
• 细分表现差异显著：缩写展开与精确序列保持的整体正确率仅约 62% 至 63%，显著低于专有名词与语境匹配场景；同时主观听感偏好与发音准确性并不完全等同。
• 影响/看点：该基准意味着语音 Agent 在客服与账单等生产级落地场景中获得了针对发音准确度的衡量指标，若模型能结合前置文本归一化处理，其序列还原与缩写读取的准确率有望进一步提升。
• 资料依据：
• Artificial Analysis 官方发布（2026-09-22）：https://x.com/ArtificialAnlys/status/2102223003795005821
• Artificial Analysis 官方语音评测方法说明（2026-09-22）：https://artificialanalysis.ai/text-to-speech/methodology

本内容由 AI 生成，仅供参考，请注意甄别