同じ日本語の台本(40字)を、英語の声(Sarah × Eleven v3)・日本語の声(Kenzo × Multilingual v2)・日本語の声(Ryusei × Eleven v3)で読ませ、whisper で聞き取って比べました。英語の声は「渋谷」を読み違え、日本語の声は2つとも全文そのままでした。
Same Japanese script, three voices. The English voice misread “Shibuya”; both Japanese voices read it exactly.