tts-bench - Benchmark để so sánh các mô hình TTS cục bộ

• Benchmark mã nguồn mở so sánh 55 mô hình TTS cục bộ trên bất kỳ phần cứng nào theo ba góc nhìn
• Gồm ba lăng kính Speed (tốc độ)/Listen (nghe)/Scores (điểm số, chỉ số khách quan), đo trên CPU/CUDA/Apple Silicon
  • Speed đo TTFA lạnh/ấm (thời gian đến âm thanh đầu tiên), RTF (tốc độ so với thời gian thực) và bộ nhớ
  • Listen phát nội tuyến tất cả mô hình và prompt bằng giọng mặc định + giọng sao chép, để trực tiếp chọn mô hình bằng tai
  • Scores chấm điểm theo cách seed-tts-eval với UTMOS (độ tự nhiên), WER (độ rõ) và SIM (độ trung thực khi sao chép)
• Cung cấp trang Demos để nghe thử tất cả mô hình mà không cần cài đặt, có thể khám phá theo từng prompt/từng mô hình
• Trong 55 mô hình, 41 mô hình có thể sao chép giọng nói (voice cloning) bằng clip tham chiếu; hỗ trợ 3 định dạng tham chiếu (chỉ wav / wav + bản chép lời / wav được HF gate)
• Tiếng Hàn không được toàn bộ 55 mô hình hỗ trợ, nhưng có các mô hình hỗ trợ đa ngôn ngữ/tiếng Hàn như Supertonic, VoxCPM, OmniVoice
  • Tuy nhiên prompt benchmark mặc định chủ yếu là tiếng Anh/tiếng Pháp, nên nếu muốn xem chất lượng tiếng Hàn thì tốt hơn là chạy Listen/compare với câu tiếng Hàn riêng và tự nghe để kiểm tra
  • Kết quả thử nghiệm cho thấy Supertonic, VoxCPM, OmniVoice ở trên có chất lượng nghe được
• Top bình chọn A/B cho sao chép giọng — OmniVoice (khớp âm sắc hàng đầu, nhưng có thể làm nhòe/bỏ sót từ), Echo-TTS (đồng hạng nhất, 44.1kHz), IndexTTS-2 (hạng 3, giữ ngữ điệu)
• Mã benchmark dùng giấy phép MIT, từng mô hình TTS áp dụng giấy phép riêng