TTS发音鲁棒性基准发布

新基准单独衡量困难文本的正确发音能力，Gemini 3.1 Flash TTS以88.1%领先。

推荐理由：该基准补足自然度偏好和词错误率无法识别误读的缺口，并以缩写等困难文本测试真实发音；头部模型仅约88%，显示语音可靠性仍有明显余量。