IaraTTS Phase 0 — Baseline Report

50 pt-BR prompts × 3 voices on MOSS-TTS-Nano-100M-ONNX (no fine-tuning). Whisper round-trip WER + GPU-side RTF measurement.

Aggregate

Voice	Lang	WER	RTF	quality	speed	SCORE
Bella	EN/F	0.338	0.430	0.662	2.000	1.262
Adam	EN/M	0.411	0.433	0.589	2.000	1.189
Junhao	CN/M	0.470	0.441	0.530	2.000	1.130

Best baseline voice for pt-BR: Bella (EN/F) with WER 0.3376

WER >0.3 is consistent with Whisper struggling to align — pt-BR words coming out anglicized.
Junhao (Chinese voice) reads pt-BR with mandarin phonotactics → highest WER.
RTF ~0.43 = 2.3× faster than realtime on RTX 4090, ONNX runtime CPU.
WeTextProcessing handled text as en (only zh/en supported) — pt-specific normalization not happening.

ID	WER	Spoken	Heard
`basic_03`	0.00	O Brasil é um país de muitas culturas.	o brasil é um país de muitas culturas.
`r_strong_03`	0.00	O Rio de Janeiro tem praias maravilhosas.	o rio de janeiro tem praias maravilhosas.
`emotion_01`	0.00	Que ótima notícia! Estou tão feliz por você!	que ótima notícia! estou tão feliz por você!
`emotion_03`	0.10	Por favor, me ajude, eu não sei o que fazer.	por favor, me ajude. eu não sei o que fazer.
`long_02`	0.10	Quando finalmente chegou a sua vez de falar diante do públic	quando finalmente chegou à sua vez de falar em frente do púb
`lh_nh_05`	0.11	Ele tem um sonho de viajar para o Chile.	ela tem um sonho de viajar para o chile.
`long_01`	0.12	Embora muitos pensem o contrário, a maior parte do territóri	embormente pensem o contário. a maior parte do território br
`basic_04`	0.14	Por favor, fale um pouco mais devagar.	por favor, saliu um pouco mais devagar.
`nasal_03`	0.14	Pão, manteiga e café da manhã completo.	bom, manteiga e café da manhã completo.
`lh_nh_04`	0.14	Senhora, posso ajudá-la a achar o caminho?	senhora, posso ajudar-la a achar o caminho?

ID	WER	Spoken	Heard
`r_strong_02`	1.00	Rato roeu a roupa do rei de Roma.	se inclusive você tiver, tudo pode ser visto. é que sauvi vo
`nasal_05`	0.71	Antes de sair, lembre-se de fechar a janela.	antisessé, l'embeçée de fechar à chanel.
`hard_consonants`	0.67	Texto difícil: extraordinário, espectroscopia, perspicácia,	exo difícil, extraordinário, espectoscopia, perspicacia, qui
`basic_02`	0.60	Eu adoro caminhar no parque pela manhã.	e o doro caminhar no parte pelo manhã.
`r_strong_04`	0.60	Forte, marrom, terra e barro têm erres diferentes.	forte, maro, terá e bargotem erros diferentes.
`open_close_01`	0.57	Avó é diferente de avô na pronúncia.	eu vou a diferente de abona pronúncia.
`complex_04`	0.56	A síntese de fala em tempo real exige otimizações cuidadosas	assim que a seda fala, em tempo real é que siga otimizações
`numbers_01`	0.56	Eu tenho dois mil e vinte e seis livros em casa.	e tenho hoje 1026 livros em casa.
`numbers_05`	0.54	Quinhentos quilômetros separam as duas cidades.	quinintos, quilômetros separados, as duas se datam.
`dates_01`	0.52	Hoje é vinte e seis de abril de dois mil e vinte e seis.	hoje é 26 de abril de 2026.

Categories with highest baseline WER (Bella):

Phase 1 priorities (by category WER, highest impact):