Alle vier sprechen mit derselben Stimme: Qwen-Vivian direkt, die anderen drei klonen diese Referenz: „大家好,欢迎来到说话。今天我们一起学习中文,好吗?“
Unter jedem Clip steht, was Whisper verstanden hat (grün = passt, rot = Abweichung oder verdächtig lang). Whisper ist bei Tönen nachsichtig – hör vor allem auf Töne und Mehrfachlesungen. Die letzten zwei Zeilen erzwingen absichtlich eine falsche Lesung per Pinyin: Wer gehorcht, sagt yín xíng bzw. hái. Qwen und VoxCPM können das nicht und lesen normal.
| Satz | Qwen3-TTS 1.7B (Vivian) 12/13 Whisper-ok | CosyVoice 3 (RL) 13/13 Whisper-ok | IndexTTS-2.5 12/13 Whisper-ok | VoxCPM2 13/13 Whisper-ok |
|---|---|---|---|---|
这条路很长,他长大以后就明白了。 zhè tiáo lù hěn cháng, tā zhǎng dà yǐ hòu jiù míng bai le 长: cháng / zhǎng | 这条路很长,他长大以后就明白了。3.1s | 这条路很长他长大以后就明白了4.6s | 这条路很长他长大以后就明白了4.1s | 这条路很长,他长大以后就明白了。4.2s |
我不想去,你也不想去吗? wǒ bù xiǎng qù, nǐ yě bù xiǎng qù ma 不 vor 3. und 4. Ton, 3-3-Sandhi | 我不想去你也不想去吗2.7s | 我不想去你也不想去吗3.2s | 我不想去,你也不想去吗?2.6s | 我不想去你也不想去吗3.0s |
我们一起去吧,一个一个来。 wǒ men yì qǐ qù ba, yí gè yí gè lái 一-Sandhi: yìqǐ, yí gè | 我们一起去吧一个一个来2.6s | 我们一起去吧一个一个来3.0s | 我们一起去吧,一个一个来。2.6s | 我们一起去吧一个一个来3.0s |
我很想你。 wǒ hěn xiǎng nǐ Kette aus 3. Tönen | 我很想你。1.4s | 我很想你1.4s | 我很想你。1.6s | 我很想你1.3s |
他在银行门口行走。 tā zài yín háng mén kǒu xíng zǒu 行: háng / xíng | 他在银行门口行走2.8s | 他在银行门口行走2.6s | 他在银行门口行走。2.7s | 他在银行门口行走2.6s |
这件事很重要,请你重新说一遍。 zhè jiàn shì hěn zhòng yào, qǐng nǐ chóng xīn shuō yí biàn 重: zhòng / chóng | 这件事很重要请你重新说一遍12.7s · zu lang | 这件事很重要请你重新说一遍3.6s | 这件事很重要请你重新说一遍4.0s | 这件事很重要请你重新说一遍3.7s |
他还没还我钱。 tā hái méi huán wǒ qián 还: hái / huán | 他还没还我钱1.6s | 他还没还我钱1.9s | 他还没还我钱。2.2s | 他还没还我钱2.1s |
你得多休息,他跑得很快。 nǐ děi duō xiū xi, tā pǎo de hěn kuài 得: děi / de | 你得多休息他跑得很快2.6s | 你得多休息他跑得很快3.0s | 你得多休息,他跑得很快。2.8s | 你得多休息他跑得很快3.4s |
音乐让我很快乐。 yīn yuè ràng wǒ hěn kuài lè 乐: yuè / lè | 音乐让我很快乐。3.0s | 音乐让我很快乐2.6s | 音乐让我很快乐。2.3s | 音乐让我很快乐2.7s |
下午我们去公园玩儿一会儿。 xià wǔ wǒ men qù gōng yuán wánr yí huìr Erhua | 下午我们去公园玩一会儿1.7s | 下午我们去公园玩一会儿2.6s | 下午,我们去公园玩一会儿。2.6s | 下午我们去公园玩一会儿3.4s |
2026年11月20日下午3点半,一共12.5元。 Datum, Uhrzeit, Kommazahl | 2026年11月20日下午三点半一共12点五元5.9s | 2026年11月20日下午三点半一共12语言5.4s | 2026年11月20日下午三点半一共12.5元5.3s | 2026年11月20日下午3点半一共12.5元6.1s |
一起。 yì qǐ Einzelwort (Qwen ohne Punkt: oft kaputt) | 一起0.6s | 一起1.1s | 一起1.1s | 一起1.0s |
觉得。 jué de Einzelwort | 觉得1.0s | 觉得0.9s | 绝大,丧。1.3s | 觉得1.1s |
银行。 yín xíng Pinyin-Zwang: absichtlich FALSCH yín xíng – gehorcht das Modell? | 平衡0.8s | 银行2.0s | 银行1.3s | 银行0.8s |
他还我钱。 tā hái wǒ qián Pinyin-Zwang: absichtlich hái statt huán | 他还我钱1.2s | 他还我钱1.8s | 他,还我钱。1.8s | 他还我钱1.8s |