Inworld TTS-2 正式上线：同声线盲测排名第一

实时语音 AI 公司 Inworld 推出 Realtime TTS-2。Artificial Analysis 最新 Controlled Voice Arena 显示，该模型以 1123 Elo 排名第一，略高于 Cartesia Sonic 3.6 的 1119。

该榜单让不同模型克隆同一组 8 个声音后进行盲测，主要评估语音是否更自然、更接近真人，包括发音、停顿、语调和节奏等维度。

Realtime TTS-2 会将前几轮真实语音作为上下文，识别用户的语气、节奏和情绪，并据此调整下一句的表达方式。开发者还可以用自然语言指令控制语音风格，例如“低声说”或“像刚下班一样疲惫但温暖”，并加入笑声、叹气、呼吸等声音表现。

该模型还支持跨语言保持同一声线，以及通过短录音克隆声音。Inworld 表示，这一代模型面向实时对话场景设计，会利用完整语音交流中的语调、节奏和情绪状态。