为语音功能选 TTS 模型：看厂商基准测试偏好还是先看延迟？

ElevenLabs 发布新一代 TTS 模型及低延迟 Turbo 变体，官方称其在 Artificial Analysis 排名第一、盲测中约 75% 听众更偏好，Turbo 中位推理延迟约 100ms（仅推理，端到端更高）。Instant Voice Clones 支持 10 秒音频克隆，覆盖 90 多种语言。作者认为对话类产品应延迟优先、质量排名作参考，旁白内容类则相反。