ElevenLabs v4 turbo、MiniMax 2.8 turbo 各用布丁克隆音色和一个官方音色,另加 Gemini 3.8 Flash TTS 的官方音色(不能克隆),分别念普通话、日语、韩语、粤语、台湾腔、闽南语各两句。先听上面的原声,再比较:换了语言还像不像布丁、发音准不准、是不是童声。
哇!你回来啦!我今天在幼儿园画了一只大恐龙,它是绿色的,还有好多好多牙齿哦~你要不要看看?
嗯……我有一点点害怕打雷。你可以陪我一起数到十吗?一、二、三、四、五,六、七、八、九、十!
わあ!おかえり!今日ね、幼稚園で大きな恐竜の絵を描いたの。緑色で、歯がいーっぱいあるんだよ~。見てみる?
うーん……雷がちょっとだけこわいの。一緒に十まで数えてくれる?いち、に、さん、し、ご、ろく、なな、はち、きゅう、じゅう!
와! 돌아왔구나! 오늘 유치원에서 커다란 공룡을 그렸어. 초록색이고 이빨이 엄청엄청 많아~ 한번 볼래?
음… 나 천둥이 조금 무서워. 나랑 같이 열까지 세어 줄래? 하나, 둘, 셋, 넷, 다섯, 여섯, 일곱, 여덟, 아홉, 열!
嘩!你返嚟啦!我今日喺幼稚園畫咗隻好大嘅恐龍,佢係綠色嘅,仲有好多好多牙齒㗎~你想唔想睇吓?
嗯……我有少少驚行雷。你可唔可以陪我一齊數到十呀?一、二、三、四、五,六、七、八、九、十!
欸~你回來了喔!我今天在幼稚園畫了一隻超大的恐龍耶,是綠色的齁,牙齒超多的啦!你要不要看一下?
嗯……我有一點點怕打雷欸。你可以陪我一起數到十嗎?一、二、三、四、五,六、七、八、九、十!
哇!你轉來矣!我今仔日佇幼稚園畫一隻足大隻的恐龍,伊是青色的,閣有足濟足濟喙齒喔~你欲看無?
嗯……我有一點仔驚雷公。你敢會當陪我做伙算到十?一、二、三、四、五,六、七、八、九、十!
language_code=yue,MiniMax 设 language_boost=Chinese,Yue,Gemini 在 speech_metadata 里写明 Cantonese。不给原文的盲测里 10 条都被认出是粤语(如「返嚟」faan1 lei4、「畫咗」waak6 zo2),混进去的普通话对照也被正确认成普通话。language_code=nan,MiniMax 没有对应的 language_boost。判断依据是用 Soniox 的普通话识别去转写:MiniMax 4 条和台文原文重合 0.75–0.77(逐字按普通话念),ElevenLabs 和 Gemini 只有 0.22–0.46(不是普通话)。⚠️ Gemini 3.1 Pro 当评判在闽南语上不可靠,它把 MiniMax 那几条也判成了台语,所以这一项最好请会台语的人听一下确认。parts[].speech_metadata.style 里:第一版把「用五岁小女孩……的语气说:」写在正文前面,12 条全把指令念了出来,改成英文指令也一样,systemInstruction 直接返回 400。现在页面上的是修正后重新生成的版本,已用 Soniox 确认开头没有指令。Leda 被判为童声,念普通话时偏台湾腔。buding_girl_five_years_…(生产库里也登记着),不是这次新克隆的。千问这次没有测。