ElevenLabs vs PlayHT: Tôi thuật lại cùng một kịch bản dài 40 phút với cả hai

Tôi lấy một kịch bản tường thuật khóa học dài 40 phút và chạy nó qua ElevenLabs và PlayHT, cùng một nguyên mẫu giọng nói, cùng hướng dẫn nhịp độ và sau đó yêu cầu ba mươi đồng nghiệp nghe A/B dành cho người mù trong hai phút đầu tiên. Hai mươi sáu người chọn cùng một clip, và nó không gần gũi lắm.

ElevenLabs đã giành chiến thắng trong những quyết định vi mô đầy cảm xúc. Nhấn mạnh vào đúng từ, hơi thở có chủ ý và hơi chậm lại trước khi chuyển phần mà không ai có ý thức nhận ra nhưng mọi người đều cảm nhận được. Đầu ra của PlayHT rõ ràng và hoàn toàn dễ hiểu, nhưng nó phân bổ điểm nhấn đồng đều, tương đương với âm thanh của một trang không có văn bản in đậm.

PlayHT phản kháng lại nhờ thông lượng và giá cả. Thế hệ của nó nhanh hơn trên các tập lệnh dài, giới hạn ký tự của nó cao hơn trên mỗi đô la và luồng nhân bản giọng nói đặt ra ít câu hỏi hơn. Đối với hoạt động học tập trực tuyến nội bộ nơi lời tường thuật mang tính chức năng hơn là được yêu thích, khó có thể bác bỏ những yếu tố kinh tế đó.

Sự trôi dạt dạng dài là dấu phân cách khác. Khoảng phút thứ ba mươi, quá trình phân phối của PlayHT vẫn ổn định trong khi sự kiên nhẫn của tôi với sự nhấn mạnh quá mức thường xuyên của ElevenLabs ngày càng giảm; nhưng lỗi của ElevenLabs là lỗi diễn đạt, và tôi thích sửa mười từ diễn đạt quá mức hơn là nghe suốt bốn mươi phút liền. Khả năng chịu đựng của bạn sẽ quyết định điều này chứ không phải điểm chuẩn.

Phán quyết mà tôi đã đưa ra cho nhóm của mình: công việc đối mặt với khách hàng và thương hiệu thuộc về ElevenLabs, khối lượng nội dung nội bộ thuộc về PlayHT. Nếu bạn chỉ trả tiền cho một thứ và kể lại những điều mà con người chọn để nghe, hãy trả tiền cho thứ còn thở.