Report Bug / Feature Request

TTS Arena - AI ਵੌਇਸ ਮਾਡਲ ਲੀਡਰਬੋਰਡ

AI ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ ਮਾਡਲਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋ। ਵੱਖ-ਵੱਖ ਮਾਡਲਾਂ ਵਲੋਂ ਬੋਲੇ ਗਏ ਇੱਕੋ ਟੈਕਸਟ ਨੂੰ ਸੁਣੋ, ਸਭ ਤੋਂ ਕੁਦਰਤੀ-ਸੰਗੀਤ ਵਾਲੀ ਆਵਾਜ਼ ਲਈ ਵੋਟ ਦਿਓ ਅਤੇ ਵੇਖੋ ਕਿ ਕਿਵੇਂ 20+ TTS ਮਾਡਲਾਂ ਨੂੰ ਸਾਡੇ ਭਾਈਚਾਰੇ ਦੁਆਰਾ ਚਲਾਏ ਗਏ ਲੀਡਰਬੋਰਡ ਉੱਤੇ ਰੈਂਕ ਦਿੱਤਾ ਗਿਆ ਹੈ। ਉਦੇਸ਼ ਬੈਂਚਮਾਰਕ ਵਿਅਕਤੀਗਤ ਮਨੁੱਖੀ ਫੈਸਲੇ ਨਾਲ ਮਿਲਦੇ ਹਨ।

ਮਾਡਲ ਰੈਂਕਿੰਗ ਕਮਿਊਨਿਟੀ ਵੋਟ ਬੈਂਚਮਾਰਕ A/B ਟੈਸਟਿੰਗ ਲੀਡਰਬੋਰਡ

TTS Arena ਫੀਚਰ

AI ਬੋਲੀ ਮਾਡਲਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਇੱਕ ਢੁੱਕਵਾਂ, ਭਾਈਚਾਰੇ-ਅਧਾਰਿਤ ਢੰਗ

ਅਧਿਕਾਰਤ ਬੈਂਕਮਾਰਕ

MOS (Mean Opinion Score), ਅੱਖਰ ਗਲਤੀ ਦਰ, ਸਪੀਕਰ ਸਮਾਨਤਾ ਅਤੇ ਸਾਰੇ 20+ ਮਾਡਲਾਂ ਵਿੱਚ ਰੀਅਲ-ਟਾਈਮ ਫੈਕਟਰ ਸਮੇਤ ਸਟੈਂਡਰਡਾਈਜ਼ਡ ਐਵਲੂਏਸ਼ਨ ਮੀਟਰਿਕਸ।

ਕਮਿਊਨਿਟੀ ਰੇਟਿੰਗ

ਯੂਜ਼ਰ- ਭੇਜੇ ਰੇਟਿੰਗ ਅਤੇ ਅਸਲੀ TTS ਯੂਜ਼ਰ ਤੋਂ ਰੀਵਿਊ । ਵੇਖੋ ਕਿ ਕਿਹੜੇ ਮਾਡਲ ਖਾਸ ਵਰਤੋਂ ਮਾਮਲਿਆਂ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਕੰਮ ਕਰਦੇ ਹਨ, ਜੋ ਕਿ ਕਮਿਊਨਿਟੀ ਫੀਡਬੈਕ ਉੱਤੇ ਅਧਾਰਿਤ ਹਨ ।

ਸਾਈਡ- ਬਿਊਟ ਤੁਲਨਾ

ਦੋ ਵੱਖਰੇ ਮਾਡਲਾਂ ਨਾਲ ਇੱਕੋ ਟੈਕਸਟ ਬਣਾਓ ਅਤੇ ਆਡੀਓ ਕੁਆਲਟੀ, ਕੁਦਰਤੀਤਾ ਅਤੇ ਗਤੀ ਨੂੰ ਆਪਣੇ ਬਰਾਊਜ਼ਰ ਵਿੱਚ ਸਿੱਧਾ ਤੁਲਨਾ ਕਰੋ।

20+ ਮਾਡਲ ਰੇਂਕਿੰਗ

TTS.ai ਉੱਤੇ ਹਰ ਮਾਡਲ ਨੂੰ ਬੈਂਕਮਾਰਕ ਅਤੇ ਰੇਟਿੰਗ ਦਿੱਤੀ ਗਈ ਹੈ। ਤੁਹਾਡੀ ਪਸੰਦ ਦਾ ਮਾਡਲ ਲੱਭਣ ਲਈ ਸਪੀਡ, ਕੁਆਲਟੀ, ਭਾਸ਼ਾ ਸਹਿਯੋਗ, ਫੀਚਰ ਅਤੇ ਲਾਈਸੈਂਸ ਦੇ ਆਧਾਰ ਉੱਤੇ ਫਿਲਟਰ ਕਰੋ।

ਵੇਰਵਾ ਮੈਟ੍ਰਿਕਸ

ਹਰੇਕ ਮਾਡਲ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿੱਚ ਡੂੰਘਾਈ ਨਾਲ ਡਾਈਵ ਕਰੋ: ਲੈਂਟੇਸੀ, ਟਰਨਓਵਰ, VRAM ਵਰਤੋਂ, ਸਹਾਇਕ ਭਾਸ਼ਾਵਾਂ, ਕਲੋਨਿੰਗ ਕੁਆਲਟੀ ਅਤੇ ਭਾਵਨਾਤਮਕ ਰੇਜ਼ ਸਕੋਰ।

ਵਰਤਣ ਲਈ ਮੁਫ਼ਤ

ਲੀਡਰਬੋਰਡ ਝਲਕ, ਮਾਡਲਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋ ਅਤੇ ਕੁਆਲਟੀ ਉੱਤੇ ਵੋਟ ਦਿਓ - ਸਭ ਮੁਫਤ ਹੈ। ਰੈਂਕਿੰਗ ਅਤੇ ਬੈਂਕਮਾਰਕ ਦੀ ਖੋਜ ਕਰਨ ਲਈ ਕੋਈ ਅਕਾਊਂਟ ਲੋੜੀਦਾ ਨਹੀਂ ਹੈ।

ਰੇਡੀਓ ਵਿੱਚ ਮਾਡਲ

ਸਭ 20+ ਮਾਡਲ ਉੱਚ ਰੈਂਕਿੰਗ ਲਈ ਸਿਰ-ਤੋਂ-ਹੱਥ ਮੁਕਾਬਲਾ ਕਰ ਰਹੇ ਹਨ

KokoroKokoro

Free

Lightweight 82M parameter model delivering studio-quality speech with blazing-fast inference.

Fast 5/5

ਇਸ ਲਈ ਵਧੀਆ: ਉੱਚ-ਰੇਂਕ ਮੁਫਤ ਮਾਡਲ - ਲੀਡਰਬੋਰਡ ਉੱਤੇ ਸਭ ਤੋਂ ਵਧੀਆ ਸਪੀਡ-ਟੂ-ਕੁਆਲਟੀ ਅਨੁਪਾਤ

ਕੋਸ਼ਿਸ Kokoro

ChatterboxChatterbox

Premium

State-of-the-art zero-shot voice cloning with emotion control from Resemble AI.

Medium 5/5 ਬੋਲੀ ਕਲੋਨਿੰਗ

ਇਸ ਲਈ ਵਧੀਆ: ਭਾਵਨਾ ਕੰਟਰੋਲ ਸਮਰੱਥਾਵਾਂ ਨਾਲ ਸਭ ਤੋਂ ਵੱਧ ਰੇਟਿੰਗ ਵਾਲੀ ਬੋਲੀ ਕਲੋਨਿੰਗ ਮਾਡਲName

ਕੋਸ਼ਿਸ Chatterbox

CosyVoice 2CosyVoice 2

Standard

Alibaba's scalable streaming TTS with human-parity naturalness and near-zero latency.

Medium 5/5 ਬੋਲੀ ਕਲੋਨਿੰਗ

ਇਸ ਲਈ ਵਧੀਆ: ਮਨੁੱਖੀ- ਸਮਾਨਤਾ ਕੁਦਰਤੀਤਾ ਸਕੋਰ ਨਾਲ ਉੱਤਮ ਬਹੁ- ਭਾਸ਼ਾ ਮਾਡਲ

ਕੋਸ਼ਿਸ CosyVoice 2

StyleTTS 2StyleTTS 2

Premium

Human-level text-to-speech through style diffusion and adversarial training.

Medium 5/5

ਇਸ ਲਈ ਵਧੀਆ: ਸਭ ਓਪਨ- ਸਰੋਤ ਮਾਡਲਾਂ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਇੱਕਲਾ ਸਪੀਕਰ MOS ਸਕੋਰ

ਕੋਸ਼ਿਸ StyleTTS 2

Sesame CSMSesame CSM

Premium

Conversational speech model generating natural dialogue with appropriate timing and emotion.

Slow 5/5

ਇਸ ਲਈ ਵਧੀਆ: ਕੁਦਰਤੀ ਡਾਈਲਾਗ ਪੈਦਾ ਕਰਨ ਲਈ ਪ੍ਰਮੁੱਖ ਸੰਵਾਦੀ ਬੋਲੀ ਮਾਡਲ

ਕੋਸ਼ਿਸ Sesame CSM

TTS Arena ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ

ਆਵਾਜ਼ ਕੁਆਲਟੀ ਉੱਤੇ ਵੋਟ ਪਾਓ ਅਤੇ ਸਭ ਤੋਂ ਵਧੀਆ AI ਮਾਡਲਾਂ ਨੂੰ ਰੈਂਕ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰੋName

1

ਲੀਡਰਬੋਰਡ ਝਲਕ

ਸਭ 20+ ਮਾਡਲਾਂ ਨੂੰ ਕੁਆਲਟੀ, ਸਪੀਡ ਅਤੇ ਫੀਚਰਾਂ ਅਨੁਸਾਰ ਦਰਜਾ ਦਿੱਤਾ ਗਿਆ ਹੈ। ਪੱਧਰ (ਮੁਫ਼ਤ, ਸਟੈਂਡਰਡ, ਪ੍ਰੀਮੀਅਮ) ਜਾਂ ਖਾਸ ਸਮਰੱਥਾਵਾਂ ਦੁਆਰਾ ਫਿਲਟਰ ਕਰੋ।

2

ਮਾਡਲ ਪਾਸੇ- ਪਾਸੇ ਤੁਲਨਾ

ਦੋ ਮਾਡਲ ਚੁਣੋ ਅਤੇ ਦੋਵਾਂ ਨਾਲ ਇੱਕੋ ਪਾਠ ਬਣਾਓ । ਆਉਟਪੁੱਟ ਸੁਣੋ ਅਤੇ ਕੁਦਰਤੀਤਾ, ਸਪੱਸ਼ਟੀਕਰਨ ਅਤੇ ਭਾਵਨਾਤਮਕ ਪ੍ਰਗਟਾਵੇ ਦੀ ਤੁਲਨਾ ਕਰੋ ।

3

ਕੁਆਲਟੀ ਉੱਤੇ ਵੋਟ

ਤੁਲਨਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਉਸ ਮਾਡਲ ਲਈ ਵੋਟ ਦਿਓ, ਜੋ ਕਿ ਬਿਹਤਰ ਸੁਣਾਈ ਦਿੰਦਾ ਹੈ। ਤੁਹਾਡੀ ਵੋਟ ਕਮਿਊਨਿਟੀ ਰੈਂਕਿੰਗ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਂਦੀ ਹੈ ਅਤੇ ਹੋਰ ਯੂਜ਼ਰਾਂ ਨੂੰ ਚੋਣ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ।

4

ਆਪਣਾ ਢੁੱਕਵਾਂ ਮਾਡਲ ਲੱਭੋ

ਆਪਣੇ ਖਾਸ ਵਰਤੋਂ ਮਾਮਲੇ, ਬਜਟ ਅਤੇ ਕੁਆਲਟੀ ਲੋੜਾਂ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲ ਚੁਣਨ ਲਈ ਲੀਡਰਬੋਰਡ ਡਾਟਾ ਅਤੇ ਕਮਿਊਨਿਟੀ ਰੇਟਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰੋ ।

TTS Arena ਕੀ ਹੈ?

AI ਬੋਲੀ ਮਾਡਲਾਂ ਨੂੰ ਰੈਂਕਿੰਗ ਦੇਣ ਲਈ ਇੱਕ ਭਾਈਚਾਰੇ-ਅਧਾਰਿਤ ਪਹੁੰਚ

ਅਣਜਾਣ A/B ਤੁਲਨਾ

ਇਹ ਖੇਤਰ ਦੋ ਰਲਵੇਂ ਚੁਣੇ ਮਾਡਲਾਂ ਵਲੋਂ ਬੋਲੇ ਗਏ ਇੱਕੋ ਪਾਠ ਨੂੰ ਪੇਸ਼ ਕਰਦਾ ਹੈ । ਤੁਸੀਂ ਦੋਵੇਂ ਨਮੂਨੇ ਸੁਣਦੇ ਹੋ, ਬਿਨਾਂ ਜਾਣੇ ਕਿ ਕਿਹੜਾ ਮਾਡਲ ਉਨ੍ਹਾਂ ਨੂੰ ਪੈਦਾ ਕੀਤਾ ਹੈ, ਫਿਰ ਉਸ ਲਈ ਵੋਟ ਦਿੰਦੇ ਹੋ, ਜੋ ਕਿ ਵਧੇਰੇ ਕੁਦਰਤੀ ਸੁਣਾਈ ਦਿੰਦਾ ਹੈ । ਇਹ ਅਬਲਾਇਨ ਟੈਸਟਿੰਗ ਬ੍ਰਾਂਡ ਝੂਠ ਨੂੰ ਹਟਾਉਂਦੀ ਹੈ ਅਤੇ ਸਾਫ਼ ਆਡੀਓ ਕੁਆਲਟੀ ਉੱਤੇ ਅਧਾਰਿਤ ਫੈਸਲਾ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦੀ ਹੈ ।

  • ਇੱਕੋ ਟੈਕਸਟ, ਦੋ ਅਣਜਾਣ ਮਾਡਲ
  • ਵੋਟਿੰਗ ਤੋਂ ਬਾਅਦ ਮਾਡਲ ਨਾਂ ਸਾਹਮਣੇ ਆਏ
  • ਹਰ ਗੇੜ ਵਿੱਚ ਤਾਜ਼ਾ ਰਲਵੇਂ ਜੋੜੇ
  • ਕੋਈ ਬ੍ਰਾਂਡ ਬਾਇਅਸ ਨਹੀਂ - ਸਾਫ਼ ਆਡੀਓ ਕੁਆਲਟੀ

ਈਲੋ ਰੇਟਿੰਗ ਸਿਸਟਮ

ਮਾਡਲਾਂ ਨੂੰ ਈਲੋ ਰੇਟਿੰਗ ਸਿਸਟਮ ਨਾਲ ਰੇਟਿੰਗ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਕਿ ਸ਼ਤਰੰਜ ਖਿਡਾਰੀਆਂ ਨੂੰ ਰੇਟਿੰਗ ਦੇਣ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਇੱਕ ਉੱਚ-ਰੇਟਿੰਗ ਮਾਡਲ ਨਾਲ ਜਿੱਤਣਾ ਇੱਕ ਘੱਟ-ਰੇਟਿੰਗ ਮਾਡਲ ਨਾਲ ਜਿੱਤਣ ਨਾਲੋਂ ਵੱਧ ਅੰਕ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ। ਹਜ਼ਾਰਾਂ ਵੋਟਾਂ ਨਾਲ, ਇਹ ਇੱਕ ਭਰੋਸੇਯੋਗ ਰੇਟਿੰਗ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਅਸਲੀ ਭਾਈਚਾਰੇ ਦੀ ਪਸੰਦ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

  • ਈਲੋ- ਅਧਾਰਿਤ ਰੇਟਿੰਗ ਐਲਗੋਰਿਦਮ
  • ਹਰ ਵੋਟ ਨਾਲ ਰੇਟਿੰਗ ਅਡਜੱਸਟ
  • ਅੰਕੜਾ ਵਿਸ਼ਵਾਸ ਅੰਤਰਾਲ
  • ਰੈਂਕਿੰਗ ਸਮੇਂ ਨਾਲ ਸਥਿਰ ਹੋ ਗਈ

ਮਾਡਲ ਤੁਲਨਾ ਝਲਕ

ਸਾਡੇ 20+ ਮਾਡਲਾਂ ਦੀ ਮੁੱਖ ਮਾਪਦੰਡਾਂ ਵਿੱਚ ਤੁਲਨਾ ਕਿਵੇਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ

ਮਾਡਲ ਜਾਨਵਰ ਕੁਆਲਟੀ ਸਪੀਡ ਭਾਸ਼ਾਵਾਂ ਕਲੋਨਿੰਗ
Kokoro ਮੁਫਤ 4.5/5 ਸਥਿਰ 8
Bark ਸਟੈਂਡਰਡ 4.0/5 ਮੀਡਿਆ 13
CosyVoice2 ਸਟੈਂਡਰਡ 4.5/5 ਮੀਡਿਆ 6
Tortoise TTS ਪ੍ਰੀਮੀਅਮ 4.8/5 ਹੌਲੀ 1
Chatterbox ਪ੍ਰੀਮੀਅਮ 4.7/5 ਮੀਡਿਆ 1
StyleTTS 2 ਪ੍ਰੀਮੀਅਮ 4.7/5 ਸਥਿਰ 1

ਈਵੇਲੂਸ਼ਨ ਮਾਪਦੰਡ

TTS ਮਾਡਲ ਨੂੰ ਇਸ ਖੇਤਰ ਵਿੱਚ ਉੱਚ ਦਰਜੇ ਦਾ ਕੀ ਬਣਾਉਂਦਾ ਹੈ

ਕੁਦਰਤੀ

ਕੀ ਇਹ ਇੱਕ ਅਸਲੀ ਵਿਅਕਤੀ ਵਾਂਗ ਸੁਣਾਈ ਦਿੰਦਾ ਹੈ? ਕੁਦਰਤੀ ਪਰੋਸੋਡੀ, ਰੀਥਮ, ਅਤੇ ਇਨਟੋਨੇਸ਼ਨ ਪੈਟਰਨ ਜੋ ਕਿ ਮਨੁੱਖੀ ਬੋਲੀ ਨਾਲ ਮਿਲਦੇ ਹਨ । ਕੋਈ ਰੋਬੋਟਿਕ ਆਰਟੀਫੈਕਟ ਜਾਂ ਕੁਦਰਤੀ ਵਿਰਾਮ ਨਹੀਂ ਹੈ ।

ਪ੍ਰਗਟਾਵਾ

ਕੀ ਆਵਾਜ਼ ਸਹੀ ਭਾਵਨਾ ਅਤੇ ਜ਼ੋਰ ਦਿੰਦੀ ਹੈ? ਚੰਗੇ ਮਾਡਲ ਸਵਾਲ, ਉਚਾਰਨ ਅਤੇ ਭਾਵਨਾਤਮਕ ਸੰਦਰਭ ਨੂੰ ਕੁਦਰਤੀ ਢੰਗ ਨਾਲ ਸੰਭਾਲਦੇ ਹਨ।

ਠੀਕਤਾ

ਕੀ ਇਹ ਹਰ ਸ਼ਬਦ ਨੂੰ ਠੀਕ ਉਚਾਰਦਾ ਹੈ? ਅਸਾਧਾਰਨ ਸ਼ਬਦ, ਅੰਕ, ਸੰਖੇਪ ਅਤੇ ਵਿਦੇਸ਼ੀ ਨਾਂ ਨੂੰ ਗਲਤੀਆਂ ਜਾਂ ਅਣਜਾਣ ਆਵਾਜ਼ਾਂ ਤੋਂ ਬਿਨਾਂ ਹੀ ਹੱਥੀਂ ਪੜ੍ਹਦਾ ਹੈ ।

ਸਭ ਤੋਂ ਵਧੀਆ AI ਆਵਾਜ਼ਾਂ ਦੀ ਰੈਂਕਿੰਗ ਵਿੱਚ ਮਦਦ ਕਰੋ

ਤੁਹਾਡੀਆਂ ਵੋਟਾਂ ਲੀਡਰਬੋਰਡ ਨੂੰ ਸਿੱਧਾ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀਆਂ ਹਨ। ਹਰੇਕ ਤੁਲਨਾ ਭਾਈਚਾਰੇ ਨੂੰ ਵਧੀਆ ਮਾਡਲ ਲੱਭਣ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ।

TTS ਰੇਨੋ ਵਿੱਚ ਜਾਓ

ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ

TTS Arena ਅਤੇ ਮਾਡਲ ਰੈਂਕਿੰਗ ਬਾਰੇ ਆਮ ਸਵਾਲ

TTS Arena AI ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ ਮਾਡਲਾਂ ਲਈ ਇੱਕ ਲੀਡਰਬੋਰਡ ਅਤੇ ਤੁਲਨਾ ਟੂਲ ਹੈ। ਇਹ 20+ ਮਾਡਲਾਂ ਨੂੰ ਅਧਿਕਾਰਤ ਬੈਂਕਮਾਰਕਾਂ ਅਤੇ ਭਾਈਚਾਰੇ ਦੀਆਂ ਵੋਟਾਂ ਦੇ ਅਧਾਰ ਤੇ ਰੈਂਕ ਦਿੰਦਾ ਹੈ, ਜੋ ਕਿ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਆਪਣੀਆਂ ਲੋੜਾਂ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲ ਲੱਭਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।

ਮਾਡਲਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਈ ਮਾਪਦੰਡਾਂ ਉੱਤੇ ਕੀਤਾ ਜਾਂਦਾ ਹੈ: ਵਿਅਕਤੀਗਤ ਕੁਆਲਟੀ ਲਈ MOS (ਮੱਧਮ ਟਿੱਪਣੀ ਸਕੋਰ), ਉਚਾਰਨ ਦੀ ਸਹੀਤਾ ਲਈ ਅੱਖਰ ਗਲਤੀ ਦਰ, ਗਤੀ ਲਈ ਰੀਅਲ-ਟਾਈਮ ਫੈਕਟਰ, ਕੁਸ਼ਲਤਾ ਲਈ VRAM ਵਰਤੋਂ, ਅਤੇ ਅਸਲੀ-ਵਿਸ਼ਵ ਪਸੰਦ ਲਈ ਕਮਿਊਨਿਟੀ ਵੋਟਾਂ। ਸਕੋਰਾਂ ਨੂੰ ਸਮੂਹਿਕ ਰੈਂਕਿੰਗ ਬਣਾਉਣ ਲਈ ਭਾਰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ।

MOS ਬੋਲੀ ਦੀ ਕੁਆਲਟੀ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਸਟੈਂਡਰਡ ਮੀਟਰਿਕ ਹੈ । ਮਨੁੱਖੀ ਸੁਣਨ ਵਾਲੇ ਬੋਲੀ ਦੇ ਨਮੂਨੇ ਨੂੰ ਕੁਦਰਤੀਤਾ ਲਈ 1-5 ਸਕੇਲ ਉੱਤੇ ਰੇਟਿੰਗ ਦਿੰਦੇ ਹਨ । 4.0ਤੋਂ ਉੱਪਰ ਸਕੋਰ ਨੂੰ ਨਜ਼ਦੀਕੀ ਮਨੁੱਖੀ ਕੁਆਲਟੀ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ । ਸਾਡੇ ਉੱਚ ਮਾਡਲ 4.2-4.5ਦੇ MOS ਸਕੋਰ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ, ਜੋ ਕਿ ਕੁਦਰਤੀ ਮਨੁੱਖੀ ਬੋਲੀ ਰਿਕਾਰਡਿੰਗ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਦੇ ਹਨ ।

ਰੈਂਕਿੰਗ ਮਾਪਦੰਡਾਂ ਉੱਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ । ਕੋਕੋਰੋ ਸਪੀਡ- ਟੂ- ਕੁਆਲਟੀ ਅਨੁਪਾਤ ਵਿੱਚ ਪਹਿਲਾ ਹੈ । ਸਟਾਈਲTTS2ਸਭ ਤੋਂ ਉੱਚਾ ਇੱਕਲੇ ਸਪੀਕਰ MOS ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ । ਚੈਟਰਬਾਕਸ ਬੋਲੀ ਕਲੋਨਿੰਗ ਰੈਂਕਿੰਗ ਵਿੱਚ ਪਹਿਲਾ ਹੈ । ਕੋਸੀਵਾਇਸ2ਬਹੁ- ਭਾਸ਼ਾ ਕੁਆਲਟੀ ਵਿੱਚ ਪਹਿਲਾ ਹੈ । ਹਰੇਕ ਕੈਟਾਗਰੀ ਵਿੱਚ ਮੌਜੂਦਾ ਸਥਿਤੀ ਲਈ ਲੀਡਰਬੋਰਡ ਨੂੰ ਵੇਖੋ ।

ਹਾਂ । ਸਾਈਡ-ਬਾਈ-ਸਾਈਡ ਤੁਲਨਾ ਸੁਣੋ ਅਤੇ ਉਸ ਮਾਡਲ ਲਈ ਵੋਟ ਦਿਓ, ਜੋ ਕਿ ਬਿਹਤਰ ਸੁਣਾਈ ਦੇਵੇ । ਵੋਟ ਮੁਫਤ ਹੈ ਅਤੇ ਇੱਕ ਅਕਾਊਂਟ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ । ਕਮਿਊਨਿਟੀ ਵੋਟ ਸਿੱਧੇ ਤੌਰ ਉੱਤੇ ਰੈਂਕਿੰਗ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ ਅਤੇ ਵੱਖ ਵੱਖ ਵਰਤੋਂ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲ ਲੱਭਣ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ ।

ਔਫਿਸ਼ਲ ਬੈਂਕਮਾਰਕ ਅੱਪਡੇਟ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਜਦੋਂ ਨਵੇਂ ਮਾਡਲ ਜੋੜੇ ਜਾਂਦੇ ਹਨ ਜਾਂ ਮੌਜੂਦਾ ਮਾਡਲਾਂ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਅੱਪਡੇਟ ਮਿਲਦੇ ਹਨ। ਭਾਈਚਾਰੇ ਦੀਆਂ ਰੈਂਕਿੰਗਾਂ ਵੋਟਾਂ ਆਉਣ ਨਾਲ ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਅੱਪਡੇਟ ਹੁੰਦੀਆਂ ਹਨ। ਅਸੀਂ ਸਾਰੀਆਂ ਮਾਡਲਾਂ ਦਾ ਹਰ ਤਿਮਾਹੀ ਮੁੜ-ਅਪਡੇਟ ਕਰਦੇ ਹਾਂ ਤਾਂ ਕਿ ਨਿਰੰਤਰ ਅਤੇ ਢੁੱਕਵੀਂ ਤੁਲਨਾ ਯਕੀਨੀ ਬਣਾਈ ਜਾ ਸਕੇ।

ਅੱਖਰ ਗਲਤੀ ਦਰ (CER) ਪੈਦਾ ਕੀਤੀ ਬੋਲੀ ਨੂੰ ਟਰਾਂਸਕ੍ਰਿਪਟ ਕਰਕੇ ਅਤੇ ਇਸ ਨੂੰ ਇੰਪੁੱਟ ਪਾਠ ਨਾਲ ਤੁਲਨਾ ਕਰਕੇ ਉਚਾਰਨ ਦੀ ਸਹੀਤਾ ਨੂੰ ਮਾਪਦਾ ਹੈ । ਘੱਟ CER ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਮਾਡਲ ਸ਼ਬਦਾਂ ਨੂੰ ਵਧੇਰੇ ਸਹੀ ਢੰਗ ਨਾਲ ਉਚਾਰਦਾ ਹੈ । ਕੋਕੋਰੋ ਅਤੇ ਸੀਸਾਮ CSM ਵਰਗੇ ਮਾਡਲ ਵਧੀਆ CER ਸਕੋਰ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ ।

ਇੱਕ ਟੈਕਸਟ ਨਮੂਨਾ ਦਿਓ, ਦੋ ਮਾਡਲ ਚੁਣੋ ਅਤੇ ਬਣਾਓ ਕਲਿੱਕ ਕਰੋ । ਦੋਵੇਂ ਮਾਡਲ ਇੱਕੋ ਟੈਕਸਟ ਤੋਂ ਆਡੀਓ ਬਣਾਉਦੇ ਹਨ । ਦੋਹਾਂ ਆਉਟਪੁੱਟ ਨੂੰ ਸੁਣੋ ਅਤੇ ਫੈਸਲਾ ਕਰੋ ਕਿ ਕਿਹੜੀ ਆਵਾਜ਼ ਵਧੇਰੇ ਕੁਦਰਤੀ, ਸਪੱਸ਼ਟ ਅਤੇ ਸਪੱਸ਼ਟ ਹੈ । ਤੁਸੀਂ ਆਪਣੇ ਪਸੰਦ ਦੇ ਮਾਡਲ ਲਈ ਵੋਟ ਪਾ ਸਕਦੇ ਹੋ ।

ਹਾਂ, ਅਸੀਂ ਆਪਣੀ ਬੈਂਕਮਾਰਕ ਢੰਗ- ਤਰੀਕਾ, ਟੈਸਟ ਵਾਕ ਅਤੇ ਮੁਲਾਂਕਣ ਮਾਪਦੰਡ ਪ੍ਰਕਾਸ਼ਤ ਕਰਦੇ ਹਾਂ। ਸਭ ਮਾਡਲ ਇੱਕੋ GPU ਹਾਰਡਵੇਅਰ ਉੱਤੇ ਇੱਕੋ ਸ਼ਰਤਾਂ ਅਧੀਨ ਟੈਸਟ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਭਾਈਚਾਰੇ ਦੇ ਮੈਂਬਰ ਸਾਡੇ ਪ੍ਰਕਾਸ਼ਤ ਟੈਸਟ ਸੈੱਟ ਅਤੇ ਸਕੋਰਿੰਗ ਰੂਬਿਕਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਨਤੀਜੇ ਦੁਹਰਾ ਸਕਦੇ ਹਨ।

ਇਹ ਖੇਤਰ TTS.ai ਉੱਤੇ ਹੋਸਟ ਕੀਤੇ ਗਏ 20+ ਓਪਨ-ਸੋਰਸ ਮਾਡਲਾਂ ਉੱਤੇ ਕੇਂਦ੍ਰਿਤ ਹੈ। ਅਸੀਂ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਵਪਾਰਕ ਸੇਵਾਵਾਂ ਜਿਵੇਂ ਕਿ ElevenLabs ਜਾਂ Google TTS ਨੂੰ ਬੈਂਕਮਾਰਕ ਨਹੀਂ ਕਰਦੇ, ਪਰ ਸਾਡੇ MOS ਸਕੋਰ ਅਤੇ ਮੀਟਰਿਕਸ ਉਨ੍ਹਾਂ ਸੇਵਾਵਾਂ ਤੋਂ ਪ੍ਰਕਾਸ਼ਤ ਬੈਂਕਮਾਰਕਾਂ ਨਾਲ ਤੁਲਨਾਯੋਗ ਹਨ।

ਆਪਣੀਆਂ ਤਰਜੀਹਾਂ ਬਾਰੇ ਸੋਚੋ: ਸਪੀਡ (ਰੀਅਲ-ਟਾਈਮ ਲੋੜਾਂ ਬਨਾਮ ਬੈਚ ਪਰੋਸੈਸਿੰਗ), ਕੁਆਲਟੀ (MOS ਸਕੋਰ), ਭਾਸ਼ਾ ਸਹਿਯੋਗ, ਖਾਸ ਫੀਚਰ (ਵਾਕ ਕਲੋਨਿੰਗ, ਭਾਵਨਾ ਕੰਟਰੋਲ, ਡਾਈਲਾਗ), ਲਾਈਸੈਂਸ ਸ਼ਰਤਾਂ ਅਤੇ ਬਜਟ (ਮੁਫ਼ਤ ਬਨਾਮ ਪ੍ਰੀਮੀਅਮ ਟਾਇਰ) । ਏਰੀਆ ਫਿਲਟਰ ਇਨ੍ਹਾਂ ਮਾਪਦੰਡਾਂ ਨਾਲ ਚੋਣਾਂ ਨੂੰ ਸੀਮਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ ।

ਕੋਕੋਰੋ (ਮੁਫ਼ਤ) 5/5 ਕੁਆਲਟੀ ਸਕੋਰ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਕਈ ਪ੍ਰੀਮੀਅਮ ਮਾਡਲਾਂ ਨਾਲ ਮਿਲਦਾ ਹੈ। ਪ੍ਰੀਮੀਅਮ ਮਾਡਲਾਂ ਦੇ ਮੁੱਖ ਫਾਇਦੇ ਖਾਸ ਫੀਚਰ ਹਨ ਜਿਵੇਂ ਕਿ ਆਡੀਓ ਕਲੋਨਿੰਗ (ਚੈਟਰਬਾਕਸ), ਸਟਾਈਲ ਡਿਫਿਊਸ਼ਨ (ਸਟਾਈਲTTS2), ਅਤੇ ਗੱਲਬਾਤ ਬੋਲੀ (ਸਿਸਾਮ CSM) ਨਾ ਕਿ ਕੱਚੀ ਆਡੀਓ ਕੁਆਲਟੀ।
5.0/5 (1)

ਅਸੀਂ ਕੀ ਸੁਧਾਰ ਕਰ ਸਕਦੇ ਹਾਂ? ਤੁਹਾਡੀ ਟਿੱਪਣੀ ਸਾਨੂੰ ਸਮੱਸਿਆਵਾਂ ਹੱਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ।

TTS ਅਰੇਨਾ ਵਿੱਚ ਆਪਣੀ ਵੋਟ ਪਾਓ

AI ਦੀਆਂ ਆਵਾਜ਼ਾਂ ਸੁਣੋ, ਸਭ ਤੋਂ ਵਧੀਆ ਲਈ ਵੋਟ ਦਿਓ ਅਤੇ ਸਾਡੇ 20+ ਮਾਡਲਾਂ ਦੇ ਭਾਈਚਾਰੇ-ਅਧਾਰਤ ਲੀਡਰਬੋਰਡ ਦੀ ਖੋਜ ਕਰੋ।