Voice Arena 推出 Turing TTS 榜单：十款主流 AI 配音都还能被人耳听出来
语音评测平台 Voice Arena 上线 Turing TTS 榜单，让听众在真人和 AI 读同一句话的两段音频里挑出真人，用「被误认为真人的比例」衡量逼真度；首批美式英语结果中最高的 Gemini 3.8 Flash TTS 也只有 10.5%，十款系统都被归为「可识别」。
据 Voice Arena 的 Turing TTS 榜单页面，这家做语音模型评测的平台新开了一个和常见「哪个更好听」投票不同的榜单：每次给听众播放同一句台词的两段录音，一段是真人、一段是 AI，让人选出哪段是真人。AI 被选中的比例就叫「Fool Rate」（骗过率），纯靠猜的话应在 50% 左右。
目前公布的是美式英语的早期结果：
- 共 2000 票：10 个系统、100 句台词，每个系统 200 票。
- 整体骗过率约 6.1%，各系统在 3.0% 到 10.5% 之间，全部落在「可识别」档。
- 排名靠前：Google DeepMind 的 Gemini 3.8 Flash TTS（10.5%）、Gemini 3.8 Flash-Lite TTS（9.0%）、Cartesia Sonic-3.6（7.5%）；ElevenLabs Eleven v4 和 v4 Turbo 均为 6.0%，Fish Audio Drama 3 为 3.0%。
- 前几名差距还没拉开：平台说明前三名的置信区间都覆盖第一名，换一批参考句子排名可能变化。
- 骗过率和该平台原有的「偏好投票」排名高度相关，也就是越受欢迎的声音通常越像真人。
对创作者意味着什么： 选 AI 配音做口播、解说或课程时，这个榜单比单纯的好听投票更接近「观众会不会一听就觉得是 AI」。结论也很清楚：当前主流英文 TTS 在仔细对比时仍容易被听出来，重要内容最好人工校对停顿、重音，并按平台要求标注 AI 生成。榜单目前只有美式英语，中文配音效果还需要自己实测。
信息来源：Voice Arena Turing TTS 榜单（本文为编辑整理改写）
