الصوت

ماذا ترتب لوحة الصوت؟

ترتب نماذج تحويل النص إلى كلام. المصدر هنا ليس LMArena بل TTS Arena V2، وهو مشروع مفتوح لمجتمع TTS-AGI: يسمع المستمع صوتين يقرآن النص نفسه دون أن يعرف النموذجين، ثم يصوت للصوت الذي يفضله. النتيجة تقييم Elo مع نطاق عدم اليقين وعدد الأصوات لكل نموذج.

أي النماذج تحصل على فئة؟

كما في اللوحات الأخرى نشترط 300 صوت على الأقل قبل منح الفئة. ينشر TTS Arena عدد الأصوات، فيطبق هذا الشرط هنا أيضا، والنموذج الذي لم يبلغه يظهر بعبارة «لم يُصنَّف بعد». القاعدة نفسها: مكان النموذج يحسب بعدد النماذج التي يقع نطاقها كاملا فوق نطاقه، ثم S أقل من 10%، وA أقل من 30%، وB أقل من 60%، وC أقل من 85%، وD الباقي. تقييمات نماذج الكلام متقاربة ونطاقاتها واسعة، ولذلك تجتمع نماذج كثيرة في الفئة S.

كيف يعرض السعر؟

السعر لكل مليون حرف من النص، أو لكل دقيقة من الصوت، حسب طريقة بيع المزود؛ الوحدة في عنوان العمود. «سعر منخفض» في هذه اللوحة يعني أقل من 5 دولارات لكل مليون حرف. قبل المقارنة تأكد من أنك تقارن الوحدة نفسها.

كيف أقرأ نطاق عدم اليقين هنا؟

كما في باقي اللوحات، يعرض الشريط بجانب التقييم نطاق عدم اليقين. إن تداخل نطاقا نموذجين، فلا يمكن القول إن المستمعين فضلوا أحدهما بوضوح. والنموذج الجديد قد يكون نطاقه واسعا، أي أن تقييمه أقل ثباتا من نموذج قديم قيمه كثيرون. بعض الصفوف نماذج لم تصدر بعد وتظهر باسم رمزي، دون شركة مطورة ودون سعر.

هل تشمل اللوحة تحويل الكلام إلى نص؟

لا. نماذج التعرف على الكلام وتحويله إلى نص غير مرتبة هنا، لأن المصدر لا يملك ساحة لها. اللوحة خاصة بالقراءة الصوتية للنص.

هل يناسب الترتيب المحتوى العربي؟

الأصوات تقيم في الغالب بالإنجليزية، فالنموذج الذي يتصدر اللوحة قد لا يكون الأوضح في نطق العربية. إن كنت تحتاج إلى قراءة نصوص عربية، فاختر من الفئات العليا عدة نماذج وجرب عليها فقرة من محتواك.

• استمع إلى أسماء العلم والأرقام، فهي أكثر ما يخطئ فيه النطق.
• قارن السعر لكل مليون حرف على حجم نصوصك الشهرية.
• راجع شروط المزود لاستخدام الصوت الناتج تجاريا.

المصادر: TTS Arena V2 للتقييمات، وmodels.dev وLiteLLM للأسعار.