统一克隆音色测试显示语音模型存在明显口音差异
Artificial Analysis用同一组英美克隆音色测试49个模型，发现12个模型在美式和英式英语上的表现差异达到统计显著。
测试如何进行
Artificial Analysis推出Controlled Voice Arena，用同一组八个克隆参考音色评估语音模型，其中四个来自美国、四个来自英国。这个设计试图排除一个常见干扰：不同厂商的默认音色本身可能更讨喜，从而掩盖了模型能力差异。
初步结果显示，口音变化足以明显改变模型排名。Artificial Analysis称，49个参测模型中有12个在美式和英式英语上的表现差异达到统计显著，置信区间也没有重叠。Qwen-Audio-3.1-TTS-Plus在美式英语比较中领先；HeyGen Voice在英式英语中表现更好，并位列综合榜首。这并不是某一家模型赢得所有场景，而是说明语音质量具有明显的地域属性。
为什么语音代理会受影响
语音系统正被用于客服、教育、无障碍服务和娱乐等场景。口音不匹配可能同时影响理解效率和用户信任。一个让美国听众觉得自然的模型，在英国听众那里未必同样顺耳，即使输入文本、提示词和参考音色完全相同。这意味着单一的全球排行榜并不能很好代表真实部署质量。
统一测试音色的价值在于，它把“被克隆的声音”和“负责生成表现的模型”拆开了。对采购者而言，更实际的问题也随之出现：系统面对目标市场的真实口音、用户和业务场景时，表现到底如何？
当然，这项测试仍有局限。八个英语音色无法覆盖全球语言多样性，基于听众偏好的Elo分数也不能替代延迟、发音稳定性、安全控制和授权状况等生产指标。但它至少把口音覆盖推到了采购标准的核心位置。对跨地区部署语音代理的公司来说，“哪个模型最好”已经不是完整问题。
Uncle Cat判断
Qwen在美式英语领先、HeyGen在英式英语占优，说明口音鲁棒性并非装饰指标，单一全球分数会掩盖部署差异。