seed-tts-eval 是什么
seed-tts-eval 被介绍为用于评估模型零样本语音生成能力的跨领域客观测试集,样本取自英语和普通话公共语料库。它使用 Common Voice 的 1000 个样本与 DiDiSpeech-2 的 2000 个样本,在多项客观指标上衡量模型表现。
你可以用它做什么
- 用 Word Error Rate 和 Speaker Similarity 衡量模型
- 评估零样本文本到语音与声音转换任务
- 通过提供的链接下载测试集样本
评估配置
- 采用 Common Voice 的 1000 个样本与 DiDiSpeech-2 的 2000 个样本
- 英语采用 Whisper-large-v3、普通话采用 Paraformer-zh 作为识别引擎
- 使用 WavLM-large 模型进行说话人相似度评估
应用场景
- 研究者评估新的语音合成模型的性能
- 开发者比较不同语音合成技术的效果
- 教育机构把测试集用作教授语音合成技术的教学材料
上手流程
- 访问 seed-tts-eval 的 GitHub 页面
- 阅读 README 了解依赖安装与测试集用法
- 下载所需的测试集样本
- 使用提供的评估代码评估模型性能
优点与缺点
✓ 我们认可的地方
- 提供测试集的下载链接
- 支持零样本 TTS 与 VC 任务的评估
! 需要留意的地方
- 样本来自英语和普通话公共语料库
- 说话人相似度由 WavLM-large 模型评估
常见问题
它评估什么?
评估零样本语音生成能力,覆盖 TTS 与声音转换任务。
使用哪些指标?
资料列出 Word Error Rate (WER) 和 Speaker Similarity (SIM),说话人相似度使用 WavLM-large 模型。
最后评测: 2026-11-15