术语slug: streaming-tts

流式语音合成

Streaming TTS

边生成边输出音频的合成方式,显著降低首音等待时间

收录情报动态

共 1 篇 · 第 1/1 页
Artificial Analysis (@ArtificialAnlys)T1·开发与工程
62 分
Artificial Analysis 新增语音首字延迟基准 最快 76 毫秒

Artificial Analysis 推出 Time to First Audio 指标,衡量 TTS 模型从输入到发出可听语音的等待时长,填补其语音基准中响应延迟的空白。测试显示前沿模型首音延迟从 76 毫秒到近 1 秒不等,流式与非流式模型的中位数分别为 376 毫秒和 2.0 秒,流式架构成为响应体验的分水岭。