UBC 与 Vector Institute 提出 RVCBench，系统评测 18 个语音克隆模型的真实场景鲁棒性
语音克隆的问题从“在测试集上模仿得像不像”扩展到了“换到真实条件下还稳不稳”：RVCBench 用四环节、10 类任务的统一基准来量化模型在下游部署中的退化，并已开源为 pip 工具包。
语音克隆模型在干净测试集上表现很好，但真实场景里会碰到带噪参考音频、异常文本、长段落、跨语言生成、压缩与电话传输，甚至说话人主动加入的防克隆扰动。英属哥伦比亚大学（UBC）与 Vector Institute 的研究团队提出 RVCBench，沿输入、生成、输出、音频扰动四个环节设计 18 项评测、10 类任务，共 14370 个样本，系统测试 18 个开源模型，并把基准做成可直接 pip 安装的评测工具包。
正文摘录
.jpg)  导读：只需几秒参考音频，现代语音克隆模型就能合成与目标说话人高度相似的语音。但真实部署中的参考录音往往带有噪声，文本可能异常、超长或跨语言，生成的语音还要经过压缩和电话传输，有人甚至会给自己的声音加上「防克隆」保护。在这些条件下，模型还能保持内容、身份和自然度吗？来自英属哥伦比亚大学（UBC）与 Vector Institute 的研究团队提出 RVCBench，把语音克隆的鲁棒性拆成输入、生成、输出和音频扰动四个环节，用 18 项评测、10 类任务系统检验 18 个代表性开源模型，并将基准升级为可直接 pip 安装的通用语音克隆评测工具包。该工作已被 NeurIPS 2026 接收。