{"id":2439,"date":"2026-10-01T16:59:11","date_gmt":"2026-10-01T16:59:11","guid":{"rendered":"https:\/\/11000.dev\/index.php\/2026\/10\/01\/hugging-face-predstavio-open-tts-leaderboard-novi-alat-za-fer-poredenje-ai-glasova\/"},"modified":"2026-10-01T16:59:11","modified_gmt":"2026-10-01T16:59:11","slug":"hugging-face-predstavio-open-tts-leaderboard-novi-alat-za-fer-poredenje-ai-glasova","status":"publish","type":"post","link":"https:\/\/11000.dev\/index.php\/2026\/10\/01\/hugging-face-predstavio-open-tts-leaderboard-novi-alat-za-fer-poredenje-ai-glasova\/","title":{"rendered":"Hugging Face predstavio Open TTS Leaderboard: Novi alat za fer pore\u0111enje AI glasova"},"content":{"rendered":"

Hugging Face je pokrenuo Open TTS Leaderboard<\/strong>, novu platformu otvorenog koda namenjenu evaluaciji modela za pretvaranje teksta u govor (TTS) i kloniranje glasa na vi\u0161e jezika. Ova inicijativa dolazi u trenutku kada se broj novih AI modela za sintezu govora pove\u0107ava iz nedelje u nedelju, a korisnici i developeri sve te\u017ee pronalaze na\u010din da objektivno uporede njihov kvalitet.<\/p>\n

\"Hugging<\/figure>\n<\/p>\n

Do sada su sli\u010dne platforme, poput TTS Arena, funkcionisale po principu \u201eposlu\u0161aj dva glasa i glasaj za bolji”. Takav pristup, zasnovan na ljudskim preferencijama i Elo rejtingu (\u010desto kroz Bradley\u2013Terry model), daje korisnicima jednostavan uvid u to koji sistemi zvu\u010de prirodnije. Ipak, kako isti\u010du autori bloga, oslanjanje isklju\u010divo na ovakvo glasanje postaje sve neprakti\u010dnije.<\/p>\n

Za\u0161to je novi pristup va\u017ean?<\/h2>\n

Postoji nekoliko klju\u010dnih problema koje Open TTS Leaderboard poku\u0161ava da re\u0161i. Prvo, modeli otvorenog koda \u010desto su \u201enevidljivi” na javnim listama jer ih platforma mora sama hostovati i servirati, dok se komercijalni API modeli dodaju mnogo lak\u0161e. Drugo, ljudske preferencije se menjaju tokom vremena, pa glasovi prikupljeni pre nekoliko meseci ne moraju da odra\u017eavaju iste kriterijume kao dana\u0161nji.<\/p>\n

\"Hugging<\/figure>\n<\/p>\n

Tre\u0107e, i mo\u017eda najva\u017enije \u2014 performanse na engleskom jeziku ne zna\u010de automatski i dobar rezultat na drugim jezicima. Kako prime\u0107uje jedan od komentatora na platformi, Seed TTS Eval<\/strong> poseduje filmski audio samo za engleski i kineski, dok se za ostale jezike koristi CV3 Eval (zero-shot). Za kineski, japanski i korejski \u2014 jezike zasnovane na znakovima \u2014 prijavljuje se CER (character error rate), a \u201eprose\u010dan WER” predstavlja makro-prosek kroz sve jezike.<\/p>\n

\u0160ta donosi nova platforma?<\/h2>\n

Cilj Open TTS Leaderboard-a je da ponudi skalabilan i transparentan prostor<\/strong> za evaluaciju multijezi\u010dnih TTS i voice-cloning sistema. Umesto da se sve svodi na jedan zbirni rezultat, platforma razdvaja kvalitet multijezi\u010dnog govora od identiteta kloniranog glasa. To je klju\u010dna razlika, jer u suprotnom timovi optimizuju lak\u0161u podskalu, a rezultat i dalje nazivaju \u201eSOTA TTS”.<\/p>\n

Me\u0111u modelima koji se ve\u0107 mogu na\u0107i na listi su Fun-CosyVoice3<\/strong> (0.5B parametara), Qwen3-ASR<\/strong>, Kokoro-82M<\/strong> sa impresivnih 11,5 miliona preuzimanja, kao i fishaudio\/s2-pro<\/strong> i bosonai\/higgs-tts-3-4b<\/strong>. Pored samog leaderboard-a, dostupni su i TTS Arena V2 i Open ASR Leaderboard, koji zaokru\u017euju ekosistem za evaluaciju govornih AI modela.<\/p>\n

Za developere i istra\u017eiva\u010de, ovo je korak ka reproduktivnijim i po\u0161tenijim pore\u0111enjima. Za korisnike \u2014 jasan signal koji modeli zaista dr\u017ee kvalitet kada se jezik i domen fiksiraju, a ne samo kada se takmi\u010de u jednoj, najlak\u0161oj disciplini.<\/p>\n

Detaljno obja\u0161njenje metodologije i rezultate mo\u017eete pogledati na zvani\u010dnom Hugging Face blogu<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":"

Hugging Face je pokrenuo Open TTS Leaderboard, novu platformu otvorenog koda namenjenu evaluaciji modela za pretvaranje teksta u govor (TTS) i kloniranje glasa na vi\u0161e jezika. Ova inicijativa dolazi u trenutku kada se broj novih AI modela za sintezu govora pove\u0107ava iz nedelje u nedelju, a korisnici i developeri sve te\u017ee pronalaze na\u010din da objektivno […]<\/p>\n","protected":false},"author":1,"featured_media":2437,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[103,104],"tags":[],"class_list":["post-2439","post","type-post","status-publish","format-standard","has-post-thumbnail","category-ai","category-tehnologija"],"_links":{"self":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/posts\/2439","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/comments?post=2439"}],"version-history":[{"count":0,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/posts\/2439\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/media\/2437"}],"wp:attachment":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/media?parent=2439"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/categories?post=2439"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/tags?post=2439"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}