近日，AI獨角獸MiniMax稀宇極智發(fā)布新一代語音大模型Speech-02，宣布該模型在國際最權(quán)威的兩項語音評測榜單Artificial Analysis（全球知名AI基準(zhǔn)測試機構(gòu)）和Hugging Face TTS Arena （抱抱臉文本轉(zhuǎn)語音競技場）上，超越OpenAI、ElevenLabs等國際巨頭，登上雙榜榜首。

國際權(quán)威語音評測榜單Artificial Analysis 來源：以下圖片均由Minimax方提供

據(jù)介紹，Speech-02在語音模型核心技術(shù)指標(biāo)：字錯率WER和相似度SIM等客觀指標(biāo)上取得了SOTA結(jié)果，用戶盲聽主觀評價反饋也顯示其更自然、真實。

與Seed-TTS、CosyVoice 2和真實音頻相比，Speech-02在中英文的零樣本語音克隆中均實現(xiàn)了更低的字錯率（Word Error Rate, WER），表明其發(fā)音錯誤率更低且更清晰穩(wěn)定。在SIM方面，Speech-02在所有24種測試語言中均顯著優(yōu)于ElevenLabs的multilingual_v2模型，前者生成的語音更逼近真人輸出。

Hugging Face TTS Arena 評測榜單

值得關(guān)注的是，Speech-02性能登頂?shù)耐瑫r，其商用定價僅為全球頭部語音模型ElevenLabs的四分之一，具有高性能和性價比雙重優(yōu)勢。目前，MiniMax已在文旅導(dǎo)覽、金融服務(wù)、語音助手、AI教育等領(lǐng)域應(yīng)用其大模型服務(wù)。