法国语音初创 Gradium 上线新一代 TTS：专攻结构化实体朗读，自评通过率 81%

语音克隆与合成语音识别/交互开源模型推理优化模型评测与对比TTS服务音色克隆与合成

2026-09-01 17:51

47 浏览

0 点赞

AI 速览

法国语音初创 Gradium 发布专注结构化实体朗读的新一代 TTS 模型，对需要准确播报号码、账号等信息的语音 Agent 开发者有直接参考价值。核心事实 - 技术突破：新 TTS 模型无需文本预处理即可正确朗读电话号码、订单号、邮箱、银行账号等结构化实体 - 评测表现：在自建客服难例集上通过率达 81%，高于 Cartesia、ElevenLabs 等四款竞品 - 延迟指标：首音频延迟（TTFA）P50 为 216 毫秒，稳定性优于所测其他模型 - 开源动作：评测数据集已开源至 Hugging Face，鼓励社区提交失败案例 - 公司背景：从非营利 AI 实验室 Kyutai 分拆，2025年9月成立，种子轮扩展至 1 亿美元，NVIDIA 参投关键数据 - 评测通过率：Gradium 81.0%、Cartesia 75.1%、ElevenLabs 65.4%、Inworld 61.5%、Fish Audio 49.5% - 首音频延迟：Gradium P50 216ms，比上一代缩短 170ms - 融资规模：种子轮达 1 亿美元，含 NVIDIA、Eric Schmidt、DST Global 等参投价值点为语音 Agent 开发者提供了一个以“要素正确率”为核心的新验收维度，尤其适用于客服、金融等对数字准确性要求严苛的场景。

9月1日消息，法国语音初创公司 Gradium 于8月31日上线新一代 TTS 模型，并在 API 与 Studio 中直接设为默认。新模型无需文本预处理，即可正确朗读电话号码、订单号、邮箱、银行账号这类结构化实体，现有音色包括自定义克隆音色无需迁移即可沿用。在 Gradium 自己组织的人工评测中，新模型在 500 条客服场景难例上的通过率为 81%，高于所测的 Cartesia、ElevenLabs 等四款竞品，评测集已开源。

法国语音初创 Gradium 上线新一代 TTS：专攻结构化实体朗读，自评通过率 81%

读得对：号码、订单号不再靠预处理

语音 Agent 的落地难点很具体：客服话术里全是电话号码、订单号和确认码，TTS 模型要么漏读数字，要么吞音，要么把"911"错误展开。Gradium 把这次的改进集中在这里：新模型无需文本预处理或规范化，就能正确朗读各国格式的电话号码（含紧急号码）、订单号与参考码、带点和加号标签的邮箱地址、IBAN 与银行账号，以及日期、时间、航班号、房间号这类字段。官方的表述是"读什么就说什么"，像 "$1.5M" 这样的金额也能自动读对。

切换没有隐性成本。现有音色直接沿用，克隆音色也不必重新录制。新模型来自7月30日开始的公测，团队专门征集这些难例的失败报告，迭代后发布；评测集就是用用户报告的失败案例构建的，已开源在 Hugging Face（gradium/tts-eval-customer-support-202608）。用户提交新的完整失败案例，可以获得 100 万 credits。

81% 通过率的评测口径

评测的设置比常见的听感打分严格。样本是英、德、法、西、葡五种语言各 100 条、共 500 条客服场景难例，由独立母语评审员判分，规则是任一关键元素读错、整句即失败：漏读一位数字，这句就不通过。响度做了归一化，顺序随机，每位评审最多 40 次比较。

结果按五种语言等权平均：Gradium 新模型 81.0%，Cartesia Sonic 3.6 为 75.1%，ElevenLabs v3 Conversational 为 65.4%，Inworld Realtime TTS-2 为 61.5%，Fish Audio S2.1 Pro 为 49.5%。这组对比全部出自 Gradium 自己组织的评测，评测集虽已开源，结果本身还没有第三方复现。

延迟：首音频 216 毫秒

在第三方 Coval 基准上，新模型的首音频延迟（TTFA）P50 为 216 毫秒，比被替代的上一代缩短 170 毫秒；P75 与 P25 的差值只有 30 毫秒，是五款所测模型中最稳的。对比数据同样由 Gradium 采集：Cartesia Sonic 3.6 中位数约 454 毫秒，波动区间 165 毫秒。基准采集于8月28日，测量方法论已随数据公开。

Kyutai 出身，一年拿到 1 亿美元

Gradium 于2025年9月在巴黎启动，从非营利 AI 实验室 Kyutai 分拆而来，创始人是 Kyutai 创始成员 Neil Zeghidour。成立三个月后，公司宣布 7000 万美元种子轮，FirstMark 和 Eurazeo 领投，Xavier Niel、DST Global、前谷歌 CEO Eric Schmidt 等参投；到今年7月，这一轮扩展至 1 亿美元，NVIDIA 进入。产品线覆盖 TTS、语音识别、实时语音翻译、声音克隆和端侧模型，支持英、德、法、西、葡五种语言，已支持 Pipecat、LiveKit 等语音 Agent 框架的集成。

TTS 过去按听感打分，但语音 Agent 真正落地时，读错一位号码就是生产事故，"要素正确率"比音色更卡上线。Gradium 把自家评测集开源，等于在提交一个新口径：先看读得对不对，再看像不像人。这个口径能不能立住，要看评测结果有没有人第三方复现；对做语音 Agent 的团队，无论选谁家的模型，结构化实体的正确率都值得加进自己的验收清单。

好文章，需要你的鼓励

# 报错信息分析与调试指南 ## 任务说明请分析用户提供的报错信息，推测可能的错误原因，并提供系统性的调试步骤。 ## 分析要求 1. **错误类型识别** - 确定是语法错误、运行时错误、逻辑错误还是环境配置错误 - 识别具体的错误类别（如空指针、数组越界、类型不匹配等） 2. **原因推测** - 基于错误信息中的关键线索进行合理推断 - 考虑常见的导致此类错误的编程场景 - 分析可能的代码问题或环境问题 3. **调试步骤** - 提供从简单到复杂的逐步调试方法 - 包括代码检查、日志添加、环境验证等具体操作 - 给出预防类似错误的最佳实践建议 ## 输出格式 - **错误类型**：[具体的错误分类] - **可能原因**： 1. [原因1] 2. [原因2] 3. [原因3] - **调试步骤**： 1. [步骤1] 2. [步骤2] 3. [步骤3] 4. [步骤4] - **解决方案**：[具体的修复建议] ## 示例 **输入**：【报错信息】 ``` TypeError: Cannot read property 'length' of undefined at processData (app.js:25:18) at main (app.js:10:5) ``` **输出**： - **错误类型**：运行时错误 - TypeError - **可能原因**： 1. 变量未正确初始化就被访问其 length 属性 2. 函数参数传递了 undefined 值 3. 异步操作中数据还未加载完成就尝试访问 - **调试步骤**： 1. 检查 app.js 第25行附近的变量声明和赋值 2. 在访问 length 属性前添加类型检查：`if (variable && variable.length)` 3. 使用 console.log() 输出相关变量的值确认其状态 4. 检查函数调用时传入的参数是否正确 - **解决方案**：在访问对象属性前先验证对象是否存在，或确保变量在使用前已被正确初始化。