tts-bench - लोकल में TTS मॉडल्स की तुलना के लिए बेंचमार्क
(github.com/5uck1ess)- किसी भी hardware पर 55 लोकल TTS मॉडल्स की तीन नजरियों से तुलना करने वाला open source benchmark
- Speed(स्पीड)/Listen(सुनना)/Scores(ऑब्जेक्टिव मेट्रिक्स) तीन lenses से बना, CPU/CUDA/Apple Silicon पर मापा गया
- Speed cold/warm TTFA(पहले audio तक का समय), RTF(real-time की तुलना में speed multiplier), और memory मापता है
- Listen में सभी models और prompts को default voice + cloning के साथ inline playback किया जाता है, ताकि आप कान से सीधे model चुन सकें
- Scores UTMOS(naturalness)·WER(clarity)·SIM(cloning fidelity) को seed-tts-eval तरीके से score करता है
- बिना install किए सभी models सुनने के लिए Demos site उपलब्ध, prompt/model के हिसाब से explore किया जा सकता है
- 55 में से 41 models reference clip से voice cloning कर सकते हैं, 3 reference formats supported (सिर्फ wav / wav + transcription / HF gated wav)
- Korean सभी 55 models में supported नहीं है, लेकिन Supertonic, VoxCPM, OmniVoice जैसे multilingual/Korean support वाले models शामिल हैं
- हालांकि default bench prompts English/French केंद्रित हैं, इसलिए Korean quality देखने के लिए अलग Korean sentences से Listen/compare चलाकर कान से verify करना बेहतर है
- Test results में ऊपर दिए गए Supertonic, VoxCPM, OmniVoice ने सुनने लायक quality दिखाई
- Cloning A/B voting में top — OmniVoice(timbre match सबसे ऊपर, लेकिन words blur/missing हो सकते हैं), Echo-TTS(joint 1st-level, 44.1kHz), IndexTTS-2(3rd, intonation retention)
- Benchmark code MIT license के तहत है, हर TTS model पर उसका अपना license लागू होता है
अभी कोई टिप्पणी नहीं है.