开源TTS排行榜发布：多语言与声音克隆可扩展评估

2026年9月30日，Hugging Face Hub正式推出开源文本转语音排行榜，旨在解决当前语音合成模型评估标准碎片化与人工投票榜单扩展性不足的问题。现有竞技场式榜单依赖用户投票对比，更新缓慢且因部署门槛导致开源模型严重缺位。新排行榜全面引入客观量化指标：依托Qwen3语音识别模型计算字词错误率以衡量清晰度，在H200 GPU与CPU环境下测试实时因子与首音频延迟以评估推理速度，并通过语音嵌入计算相似度以验证声纹还原能力。该体系将评测周期从数周压缩至数小时，涵盖多语言及声音克隆专项对比，并增设在线试听与社区投票模块，兼顾客观数据与人类听觉偏好。主办方指出，该榜单有效打破商业API模型的主导格局，后续将开源全部评估脚本，通过社区协作持续迭代，为语音生成技术提供高效、公平的标准化评测基准。