Freya Adam、Eve AI 語音是什麼？把榜首成績單讀懂再決定

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

2026 年 9 月 21 日，語音 AI 新創 Freya 的創辦人暨執行長 Tunga Bayrak 在 X 發文，宣布當天推出 Adam 與 Eve 兩款 AI 語音，貼文稱它們是「我們打造過最像真人的 AI 語音」，並補上一句企圖心很強的結論：「我們相信已經跨越了恐怖谷」。支撐這句話的證據放在同一則貼文裡：Adam 在 Design Arena 的 AudioRealismBench 盲聽測驗中，排名所有 AI 模型第一。

先講讀者最需要的判斷。這個第一名是真的：截至 9 月 22 日，Design Arena 的公開資料顯示 Adam 的 Elo 分數為 1418，在全部 23 個條目裡僅次於真人錄音的 1463，領先第三名的 Bland Speech v3 達 49 分。對需要英文語音的產品團隊來說，Freya 值得排進下一輪測試名單。但這張成績單的範圍比「跨越恐怖谷」幾個字窄得多：測的是美式英語、多數約 40 字的短句；同場發表的 Eve 在榜上沒有任何條目；Adam 在電話客服與自然對談兩個分項榜也查無資料。

本文的數字與時間均核對自 Design Arena 公開榜單 API、評測方法頁、Freya 官網與 Y Combinator 公司頁（皆於 2026 年 9 月 22 日查閱），文末附回查期限。

Freya 是誰：一班人馬很新的企業語音新創

Freya 是 Y Combinator 2025 年夏季梯次的新創，在 YC 目錄上的定位是「企業語音 AI」，2025 年創立，團隊規模 14 人。創辦人 Tunga Bayrak 的背景是視覺語言模型與音訊 Transformer 的研究工程師。公司主業是接聽來電的語音代理（Voice Agent）平台：聽懂來電、生成回答、再把回答說出來。這次發表的 Adam 與 Eve 屬於最後一哩的「怎麼說」環節，也就是文字轉語音（TTS）。聲音像真人，與查對帳單、遵守退費規則是兩件事，榜單也只評前者。

Freya 官網首頁放了一個盲聽小遊戲：同一句話播放兩個版本，一個是真人、一個是 Freya，訪客自己選哪個是人。頁面另一處還預告了一場一百美元挑戰賽，留下信箱等開賽通知。這些設計把「你聽得出來嗎」直接變成行銷本身。

有個名字要先分開：FreyaTTS-small 是這家公司先前公開的土耳其語研究模型，Apache 2.0 授權，論文、權重與評測資料集都開放，音訊輸出取樣率 48 kHz。它與這次申請制的英文商業聲音是不同的產品，看到「Freya 開源」的說法時別混為一談。

Adam 與 Eve 怎麼用：申請制 API，還沒有公開價格

官網對新品的說明寫得很直白：兩款英文聲音，Adam 與 Eve，共用一套 API，存取採申請制、分批開放。申請表只要求姓名與電子郵件，公司名稱可選填，送出後由官方回信告知下一步。換句話說，這是正式亮相加早期開放，還不到人人能自助開通、刷卡拿金鑰的階段。

價格也還看不到。Adam 與 Eve 沒有公布獨立費率；企業端的語音代理方案採客製報價，官方列出三個報價輸入：通話量、部署模式與工程需求。部署有兩條路：用 Freya 管理的雲端（機房在土耳其），或把模型裝進自家機房的 on-prem 方案，後者支援氣隙網路安裝，官方頁面明說這是給受監管產業的選項。延遲、同時連線數與服務等級承諾，目前都沒有數字。

誰該留意：聲音自然度會直接影響任務完成的英文產品，例如客服、預約、教學與 Podcast 旁白。誰可以先不動：需要繁體中文的產品（兩款聲音都標示為英文，中文有聲內容可以先看既有的中文文字轉語音實測）、要固定單價才能內部報帳的團隊，以及想立刻自助試用的個人創作者。

榜單本身：真人 1463 分，Adam 1418 分

Design Arena 的 Audio Realism Benchmark 是一個持續進行的盲聽榜，總榜資料版本更新於 9 月 18 日。前五名如下：

幾個讀法先講清楚。Elo 是把大量兩兩對決的勝負換算成的相對分數，1418 對 1463 的意思是：在這批比較裡，Adam 讓聽眾選它「更像真人」的頻率高於其他所有 AI 模型，但真人錄音仍在前面，差距 45 分。表裡的勝率欄位是該聲音在所有對決中的整體成績，77.7% 不能解讀成「Adam 有七成七的機率騙過真人」；方法頁雖提到可以另外衡量對真人的揀選率，公開榜單目前沒有提供那個分項。

Pin

榜單也會動。Freya 官網首頁貼的快照量測於 9 月 16 日，寫的是真人 1462、Adam 1419；兩天後的榜單版本變成 1463 與 1418。這中間沒有誰抄錯，Elo 本來就會隨新增投票漂移，累積投票數在 9 月 18 日版本已達 5,182 次。名次要當時點看，不當永久頭銜看。

Pin

榜上的熟面孔值得認一下。Adam 之下依序是 Cartesia Sonic 3.6（1306）、MAI-Voice-2（1213）、Eleven v3 Conversational（1202）、Cartesia Sonic 3.5（1188）、Grok TTS（1150）與 MiniMax Speech 2.8 HD（1130）。Google 表現最好的語音模型是 Gemini 2.5 Pro TTS，1101 分排在第 12 名；OpenAI 最好的 GPT Realtime 2 拿 1071，排在第 14 名。換句話說，這份榜單上 Freya 領先 Google 與 OpenAI 目前公開參賽的語音模型都超過 300 分。Google 近來把語音代理 API 拆成快聊與深想兩款對外開放，正在比較語音供應商的團隊可以對照著看。

這場盲聽測驗到底測了什麼

Design Arena 的方法頁寫得比多數 AI 產品公告誠實，重點有五：

• 測「像不像真人」，不測「好不好聽」：聽眾每次聽同一句話的兩個版本，不知道模型名稱、左右順序隨機，選一個聽起來更像真人的。
• 語料是 500 句永久不公開的版本化提示，多數約 40 字（約 15 秒），電話類單句更短；文字保留猶豫、重說與填充詞，數字按口語寫法呈現。
• 語料分三個分項：電話客服（來自 HarperValleyBank 銀行通話語料）、對談與解說（來自 The People’s Speech），兩個來源都以 CC BY 4.0 授權。
• 每個模型選一男一女兩個美式英語聲音，每場對決同性別，聲線性別不會成為勝負變數；聽眾是經篩選的英語母語者。
• 真人錄音進入同一個池子當基準，每個模型都直接與真人比過。

邊界也畫得明白：表演性強的語音（遊戲角色、戲劇台詞、陪伴型角色）明確排除在這一版之外，留給日後的表演軌道；評測鎖定美式英語，也不衡量回應速度、長文一致性、打斷後恢復與價格。順帶一提，這個榜單由 Design Arena 經營，方法頁公開語料來源、語料清理流程與收錄標準，也留了信箱讓外界推薦新模型，收錄名單持續在長。對一家 2025 年才成立的新創來說，讓自家聲音進到這種公開、可對照、有真人基準的比賽裡，本身就是一種表態。

分項榜的缺席：客服與對談場景查無 Adam

總榜之外，三個分項榜的資料也抓下來比對過，結果值得單獨看：

Adam 在解說分項是 AI 第一（1378 分，僅次真人的 1451），該分項的勝率欄位 81.5% 還比總榜的 77.7% 高；它的 314 場對決裡，有 189 場來自這個分項。教學與解說類產品因此是現有證據最直接支持的用途。但在電話客服與對談兩個分項，榜上沒有 Adam 的條目，這兩項目前的 AI 榜首都是 Bland Speech v3。

對談分項的榜面還透露一件有意思的事：Google 的 Gemini 2.5 Pro TTS 在那裡排到 AI 第三（1121 分），是它在三個分項裡最好的名次；電話客服分項的第四名則是 Eleven v3 Conversational。不同場景的強弱會洗牌，這正是分項榜存在的理由，也是只看總榜會漏掉的部分。

官方沒有解釋缺席的原因。合理的可能至少有兩個：評測覆蓋還在進行，或者這個聲音尚未送測那兩項。無論是哪一種，結論都一樣：總榜第一不能外推成「打電話也第一」。而電話客服恰恰是 Freya 這類企業語音代理最核心的應用場景。

要說跨越恐怖谷，還欠四張成績單

恐怖谷本來是描述人形角色的詞：越像人、又差一點的東西，反而讓人不舒服。放到語音上，破綻會是過度乾淨的呼吸、突然切換的情緒、奇怪的重音，或長對話中慢慢走音的聲線。打電話到客服的人不會給模型第二次機會，一句語氣不對就可能直接掛斷轉人工，所以「像真人」對這個市場是真需求，也值得用嚴格的標準檢視。用這個標準看，Freya 的宣稱要先補齊四件事。

最先欠的是 Eve 的成績：同場發表的第二款聲音，在榜單裡沒有條目，Adam 的分數延伸不到 Eve 身上。語言範圍也還沒有第二張單：評測鎖定美式英語，繁體中文、台灣口音、中英混讀、人名與地址的唸法全部沒有資料，新品頁也只標英文聲音。完整對話是另一題：使用者真實感受到的是「說完之後等多久、能不能插話、回答對不對」，這些都不在真實感榜的範圍裡。長時間穩定同樣未知：15 秒像真人，與 30 分鐘通話不漂移，中間還有一段距離。

所以我的位置是：Adam 已經拿出比官方精選示範強得多的證據（第三方經營、匿名比較、有真人對照組），值得認真對待；「最像真人」當行銷語可以，當全面結論還早。

誰該申請、誰該再等

英文語音產品團隊：把申請表填了排隊，同時準備一輪公平的對照測試。拿到資格後，用同一批來自真實情境、清掉個資的腳本（量級抓 50 到 100 段就夠做第一輪判斷），讓 Adam、Eve 與現有供應商唸同樣內容。匿名成對比較只回答自然度一件事，旁邊要自己補上幾個欄位：正確性（人名、金額、日期、縮寫有沒有唸錯）、任務合適度（道歉、提醒、確認的語氣對不對）、端到端延遲、重複生成與尖峰時段的穩定性，以及把 TTS、語音辨識與語言模型加總的完整成本。通過條件建議設務實一點：自然度進步的同時任務完成率沒有掉、延遲與成本落在可接受區間，才進下一輪。

採購端還要把資料落地問清楚：雲端方案的機房在土耳其，錄音與逐字稿存在哪裡會直接影響合規判斷；資料不能出境的產業，官方提供了裝進自家機房、支援氣隙網路的 on-prem 選項，這在語音代理採購裡常比榜首名次更有分量。

繁體中文產品：等官方釋出多語言資訊再說。用英文榜單外推中文品質，現在沒有任何依據。

一般讀者：官網的盲聽小遊戲可以直接玩，自己聽一次比看十篇報導準。聲音擬真帶來的風險也提醒在這裡：聲音越難分辨，產品端越該主動揭露「這是 AI」，通話涉及匯款與身分驗證時加上第二道確認。想實際感受聲音複製技術現況的讀者，可以參考我們實測過的免費語音克隆工具。

還沒確定的事，與這篇文章的保存期限

四件事維持未知：Eve 的品質與評測條目何時出現；Adam 是否會進入電話客服與對談分項；公開費率與延遲數字；以及榜單排名的後續變化（9 月 18 日資料版本之後，每多一場投票都可能改寫名次）。

時效聲明：本文榜單數字以 2026 年 9 月 22 日查閱的公開 API 內容為準（資料版本 9 月 18 日）；Freya 公布 Eve 的評測條目、費率或延遲資訊，或 Design Arena 更新分項覆蓋時，本文對應段落即需回查。建議的回查時點是 2026 年 10 月上旬，或任何一方官宣新版本之後。