跳到正文

seed-tts-eval

评估零样本语音生成能力的客观测试集

访问官网

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

更多 AI 音频工具 工具

查看全部 →

评测方法