Så ska listan läsas
Besökare på Artificial Analysis får höra samma text uppläst av två okända modeller och väljer den som låter bäst. Tusentals sådana röster räknas om till en Elo-poäng, samma sorts poäng som används för att ranka schackspelare. Högre är bättre, och en skillnad på några tiotal poäng betyder att lyssnarna ganska ofta, men inte alltid, föredrar den ena.
Siffran efter ± är felmarginalen. Modeller vars intervall överlappar ligger i praktiken på delad plats; topplistan visar därför också ett spann av möjliga placeringar. Zonos-v0.1 är fast referenspunkt med 1000 poäng.
Det här är ett smaktest: det mäter hur naturlig och tilltalande rösten låter för de som röstar, inte hur snabb eller billig modellen är, hur väl den klonar en röst eller hur bra den är på svenska. Varje modell bedöms med ett fåtal av sina röster, så en modell med många fler röster att välja mellan kan låta bättre i verkligheten.