开源TTS评测有了新榜单

最近看到一个挺有意思的新动作，有人给开源和多语言TTS专门做了一个评测榜单。背景其实不难理解，开源语音模型的发布速度实在太快了，光是在模型社区里，截至今年九月底就已经有超过八千个TTS模型，这个量级放在两年前根本不敢想。

但问题也很明显，模型多了，评测却没跟上。现在大家参考的仍然是MOS、MUSHRA这类人工偏好打分，标准分散、复现困难。于是TTS Arena、Artificial Analysis、Voice Arena这些竞技场式榜单成了事实上的参照系，逻辑都是让用户盲听两个模型的输出并投票，攒够票数后用Elo和Bradley-Terry模型算出排名。新榜单的差异点在于，它把重心放在开源模型和多语言场景上，还加入了声音克隆的评测维度，同时关注流式性能。这几项恰恰是过去榜单覆盖不足的地方。多语言和克隆能力直接决定模型能不能落地到真实产品里，而流式延迟又直接影响语音交互的体验，光看音质排名其实说明不了太多问题。我自己的判断是，竞技场模式虽然贴近真实偏好，但也有明显短板。投票人群的构成会强烈影响结果，英语用户占多数时，小语种模型的排名天然吃亏；声音克隆这类任务也很难靠一两句试听分出高下。所以榜单可以看，但别把它当成唯一标准，最好结合自己的业务场景做小规模AB测试。对做出海语音产品的团队来说，这类榜单的价值更多是缩小候选范围，而不是直接拍板选型。多语言覆盖、克隆相似度、流式延迟这三项，建议在选型时单独拉出来做加权评估。开源生态跑得快，评测体系能跟上一步，对整个行业都是好事。