语音 AI 如今已足够成熟，可以把偏好与像人程度作为两个独立目标分别打分。@voicearena_ai 推出了新基准 Turing TTS……
Voice Arena 的新基准 Turing TTS 把像人程度与偏好分开衡量：听众听到同一句话的人声版和模型版并选出真人，模型的 Fool Rate 就是被误选为真人的频率。表现最好的 Gemini 3.8 Flash TTS 误导听众的比例约为 10%，远未达到代表无法区分的 50%，说明即使评分最高的语音与真人相比仍有明显差距。
报道来源
- Rohan Paul2026-10-30 19:06
- Elvis Saravia2026-10-30 18:37