TTS 也来做图灵测试：Voice Arena 让听众分辨真人，最强 Gemini 3.8 Flash TTS 只骗过 10.5%

语音合成厂商的发布会上，「和真人无异」几乎是标配话术。Voice Arena 新上线的 Turing TTS 榜单，决定直接拿真人来对照验一验。

规则很简单：每次试听里，一位真实说话人和一个 TTS 系统朗读同一句台词，听众二选一，挑出自己认为是真人的那段。AI 被选中的比例就是它的 Fool Rate（骗过率）。如果完全听不出差别，这个数字应接近随机猜测的 50%。

首批美式英语结果相当打脸。十款系统、100 句台词、共 2000 张有效投票，合并骗过率只有 6.1%。排名第一的 Gemini 3.8 Flash TTS 为 10.5%，后面依次是 Gemini 3.8 Flash-Lite TTS 9.0%、Cartesia Sonic-3.6 7.5%、ElevenLabs Eleven v4 Turbo 与 Eleven v4 各 6.0%，Fish Audio Drama 3 垫底为 3.0%。所有系统置信区间上限都低于 25%，统一落在「可识别」档。

也要看到局限：这是早期结果，每个系统只有 200 票；前三名的排名区间都包含第一，谁是真正的头名还没定；参考句换一批，排序也可能变动。但整体结论足够稳：在一对一对比下，今天的 TTS 依然很容易被人耳认出来。

这个榜单的价值在于换了问题。传统 A/B 偏好榜问的是「哪个更好听」，Turing TTS 问的是「像不像真人」。两者相关但不等价——好听的声音可能过于完美，而真人语音里的呼吸、迟疑和不完美才是最难模仿的部分。对做客服、配音和陪伴类产品的团队来说，「骗过率」这把尺子比 Elo 更接近用户的真实感受；对监管和反诈来说，这个数字一旦逼近 50%，就该拉响警报了。