Artificial Analysis 公布语音模型首音频延迟对比
先了解这件事
2026年10月30日，Artificial Analysis 在 X 平台发布两项关于语音转语音模型的评测结果。其一，其语音转语音指数显示，Phonic 的 Phonic 1 (High) 以 87.1 分在 22 个模型中排名第一，以极小差距领先 Grok Voice 3.0 的 86.9 分；该模型通过 Phonic API 提供，价格为每分钟 0.07 美元，输入音频成本为每小时 4.20 美元，评测在其高智能等级下进行。其二，在 Big Bench Audio 基准测试中，Phonic 1 (High) 的平均首音频时间为 0.61 秒，比指数排名第二的 Grok Voice 3.0（0.81 秒）快约 25%，不到 GPT-Live-1 (Astra, medium)（1.34 秒）和 Gemini 3.8 Live Extended Thinking (High)（1.35 秒）的一半；Phonic 1 (High)、Grok Voice 3.0 和 Grok Voice 2.0 是前 5 名中仅有的首音频时间低于 1 秒的模型。上述数据均来自 Artificial Analysis 的评测口径。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- Artificial AnalysisPhonic 1 语音转语音首音频延迟最快
在 Big Bench Audio 基准测试中，Phonic 1 (High) 的平均首音频时间（Time to First Audio）为 0.61 秒，比我们语音转语音指数中排名第二的 Grok Voice 3.0（0.81 秒）快约 25%，不到 GPT-Live-1 (Astra, medium)（1.34 秒）和 Gemini 3.8 Live Extended Thinking (High)（1.35 秒）的一半。这使其成为我们语音转语音指数前 5 名模型中最快的一个，其中 Phonic 1 (High)、Grok Voice 3.0 和 Grok Voice 2.0 是前 5 名中仅有的首音频时间低于 1 秒的模型。
- Artificial AnalysisPhonic 1 (High) 登顶 Artificial Analysis 语音到语音指数，得分 87.1
Artificial Analysis 的语音到语音指数显示，Phonic 的 Phonic 1 (High) 以 87.1 分在 22 个模型中排名第一，以极小差距领先 Grok Voice 3.0 的 86.9 分。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。