¡AssemblyAI ha lanzado su primer modelo de Text to Speech! AssemblyAI-TTS-1 entra en el top 12 de nuestro Provider Voice Arena y en el top 10 de Controlled Voice
@AssemblyAI ha lanzado su primer modelo de Text to Speech, ¡AssemblyAI-TTS-1! Evaluamos su rendimiento en ambos Speech Arenas y en nuestro benchmark de Pronunciation Robustness.
Conclusiones clave:
➤ Text to Speech, Provider Voice: AssemblyAI-TTS-1 obtiene un Elo de 1,227 en 1,626 apariciones en la arena, quedando en el puesto #12, justo por detrás de Breeze TTS 2 con 1,228 y por delante de Voxtral 3 TTS de Mistral con 1,221 y de Realtime TTS-2 Flash de Inworld con 1,218. Ocupa el puesto #12 tanto en inglés (EE. UU.) como en inglés (Reino Unido).
➤ Text to Speech, Controlled Voice: AssemblyAI-TTS-1 obtiene 1,110 en 1,674 apariciones, quedando en el puesto #10 con las mismas 8 voces clonadas, por detrás de Sonic 3.5 de Cartesia con 1,118 y por delante de Simba 3.2 de Speechify con 1,086. Ocupa el puesto #6 en Knowledge Sharing.
➤ Pronunciation Robustness: AssemblyAI-TTS-1 obtiene 81.7% en 2,115 clips evaluados, quedando en el puesto #16, por detrás de HeyGen Voice con 83.2% y por delante de Inworld Realtime TTS-2 con 80.7%. Ocupa el puesto #6 en Preserving Exact Sequences con 81.5%.
➤ Velocidad: AssemblyAI-TTS-1 genera 162 caracteres por segundo, más rápido que Sonic 3.6 de Cartesia con 148.6 y Voxtral 3 TTS de Mistral con 112.3.
➤ Precios: AssemblyAI-TTS-1 tiene un precio de $15/1M de caracteres. De los once modelos situados por encima de él en Provider Voice, solo dos cuestan menos: Gemini 3.8 Flash-Lite TTS a $11/1M y Simba 3.2 a $6.6/1M. Eleven v4 cuesta $80/1M y Sonic 3.6 $49/1M.
Vea más detalles y escuche muestras a continuación ⬇️