这个提示词用来做什么

要在几个开源或商用语音模型之间选一个，但 demo 都好听，不知道上线后会怎样

提示词全文

你要帮我设计一次能支撑选型决定的 TTS 盲听评测，而不是把各家 demo 放一起听一遍。

## 输入
候选模型：{名称、版本、许可、部署方式、单价或显存要求}
目标语言与口音：{逐项列出；是否要求同一音色跨语言}
使用场景：{有声书 / 客服播报 / 短视频配音 / 实时对话；是否需要流式}
约束：{延迟上限、并发、可接受的硬件、是否能上传数据}

## 输出
1. 测试集设计：每种语言至少 30 条，覆盖短句、长句、数字与单位、专有名词、中英混排、情绪句；说明如何避免用模型训练数据里的公开句子。
2. 盲听流程：样本随机编号、去掉模型标识、同一批评审、每人先做 3 条校准；给出评分表（自然度、发音准确、韵律、音色一致性、长文本稳定性，1–5 分）。
3. 客观指标：字错率（需 ASR 回测）、首包延迟、实时率、长文本截断率、同一文本多次生成的音色漂移；说明每项怎么测。
4. 统计与决策：给出均值与置信区间；明确「在什么条件下算胜出」，例如自然度差距小于 0.3 分时以延迟和成本决胜。
5. 风险清单：许可证是否允许商用、声音克隆的授权来源、是否需要标注合成语音、数据是否出境。

## 纪律
- 不要用厂商 demo 音频当测试样本。
- 不要只测短句；长文本的稳定性往往决定能不能上线。
- 评审人数少于 5 人时，结论只能作为初筛。

怎么用

  1. 把上面的提示词全文复制到对话窗口或工作流里。
  2. 把花括号占位符（如 {任务描述}）替换成你自己的内容。
  3. 条目越具体，产出越稳定；不需要的条目可以直接删掉。

输出示例

TTS 选型最常见的翻车是「demo 惊艳、长文本崩」。把 1,000 字连续朗读和同一句话生成 20 次的音色漂移加进测试集，很多候选会当场出局。

基本信息

  • 分类：分析
  • 标签：TTS · 语音合成 · 盲听 · 评测 · 多语言
  • 收录日期：2026-10-25

同类提示词