语音克隆几秒就能复刻人声，但噪音、文本干扰、压缩处理常让它翻车。现有评测多聚焦干净数据，难察真实痛点。RVCBench由此出发，围绕输入、生成、输出、扰动四个维度设计十项任务，覆盖225位说话人的14370条语音，并测试11个主流模型，系统揭示了跨语言、长音频及各类扰动下的性能滑坡，为构建更可靠的克隆技术提供了标准化开源平台。
原文：arxiv.org
语音克隆模型有多稳？RVCBench的十项鲁棒性评测
13分钟 ·
5·
0
50
00:00
00:00
50语音克隆几秒就能复刻人声，但噪音、文本干扰、压缩处理常让它翻车。现有评测多聚焦干净数据，难察真实痛点。RVCBench由此出发，围绕输入、生成、输出、扰动四个维度设计十项任务，覆盖225位说话人的14370条语音，并测试11个主流模型，系统揭示了跨语言、长音频及各类扰动下的性能滑坡，为构建更可靠的克隆技术提供了标准化开源平台。
原文：arxiv.org