AssemblyAI 首款 TTS 模型 AssemblyAI-TTS-1 评测：Elo 1227 排第 12
AssemblyAI has launched its first Text to Speech model! AssemblyAI-TTS-1 enters the top 12 in our Provider Voice Arena and the top 10 in Controlled Voice
AssemblyAI 推出首款 TTS 模型 AssemblyAI-TTS-1，在 Artificial Analysis 的 Provider Voice Arena 中以 Elo 1,227 排名第 12，在 Controlled Voice 中以 1,110 排名第 10。其发音鲁棒性得分 81.7%，排名第 16；生成速度为每秒 162 字符，快于 Cartesia Sonic 3.6 的 148.6 和 Mistral Voxtral 3 TTS 的 112.3。定价为 $15/1M 字符，在 Provider Voice 排名前 11 的模型中仅有两款更便宜。
正文 · AI 翻译
AssemblyAI 推出了其首个文本转语音模型！AssemblyAI-TTS-1 在我们的 Provider Voice Arena 中进入前 12 名，在 Controlled Voice 中进入前 10 名
@AssemblyAI 推出了其首个文本转语音模型 AssemblyAI-TTS-1！我们在两个语音竞技场以及我们的发音鲁棒性基准测试中评估了其表现。
主要结论：
➤ 文本转语音，Provider Voice：AssemblyAI-TTS-1 在 1,626 次竞技场出场中获得 1,227 的 Elo 分数，排名第 12，仅次于 1,228 分的 Breeze TTS 2，领先于 Mistral 的 Voxtral 3 TTS（1,221 分）和 Inworld 的 Realtime TTS-2 Flash（1,218 分）。它在英语（美国）和英语（英国）中均排名第 12。
➤ 文本转语音，Controlled Voice：AssemblyAI-TTS-1 在 1,674 次出场中获得 1,110 分，使用相同的 8 个克隆声音排名第 10，仅次于 Cartesia 的 Sonic 3.5（1,118 分），领先于 Speechify 的 Simba 3.2（1,086 分）。它在知识分享类别中排名第 6。
➤ 发音鲁棒性：AssemblyAI-TTS-1 在 2,115 个已评分片段中获得 81.7% 的分数，排名第 16，仅次于 HeyGen Voice（83.2%），领先于 Inworld Realtime TTS-2（80.7%）。它在保留精确序列类别中以 81.5% 排名第 6。
➤ 速度：AssemblyAI-TTS-1 每秒生成 162 个字符，快于 Cartesia 的 Sonic 3.6（148.6）和 Mistral 的 Voxtral 3 TTS（112.3）。
➤ 定价：AssemblyAI-TTS-1 的定价为每百万字符 15 美元。在 Provider Voice 上排名高于它的十一个模型中，只有两个更便宜：Gemini 3.8 Flash-Lite TTS 为每百万字符 11 美元，Simba 3.2 为每百万字符 6.6 美元。Eleven v4 为每百万字符 80 美元，Sonic 3.6 为每百万字符 49 美元。
更多详情并试听样本见下方 ⬇️