Bestenliste der Arena für kontrollierte StimmenArtificial Analysis

Vergleichen Sie Text-to-Speech-Modelle (TTS) mit denselben 8 geklonten Stimmen (4 US, 4 UK).

Bereich
Modell
Elo
Stichproben
Veröffentlicht
API-Preise 1
11
HeyGen logo
HeyGen Voice
1203±1695%-Intervall 1187 bis 1219
1,665Oct 202630,0 $ /1 Mio. Zeichen
22
Alibaba logo
Qwen-Audio-3.1-TTS-Plus
1185±1495%-Intervall 1171 bis 1199
2,036Sept 202619,3 $ /1 Mio. Zeichen
33-4
ElevenLabs logo
Eleven v4 Turbo
1166±1495%-Intervall 1152 bis 1180
2,318Sept 202640,0 $ /1 Mio. Zeichen
43-4
ElevenLabs logo
Eleven v4
1161±1495%-Intervall 1147 bis 1175
2,285Sept 202680,0 $ /1 Mio. Zeichen
55-6
Cartesia logo
Sonic 3.6
1144±1495%-Intervall 1130 bis 1158
2,883Aug 202649,0 $ /1 Mio. Zeichen
65-6
Inworld logo
Realtime TTS-2
1143±1495%-Intervall 1129 bis 1157
2,859Aug 202620,8 $ /1 Mio. Zeichen
77-8
Alibaba logo
Qwen-Audio-3.0-TTS-Plus
1126±1495%-Intervall 1112 bis 1140
2,607Sept 202619,3 $ /1 Mio. Zeichen
87-8
Cartesia logo
Sonic 3.5
1118±1295%-Intervall 1106 bis 1130
4,872May 202649,0 $ /1 Mio. Zeichen
99-10
SpeechifyAI logo
Simba 3.2
1089±1495%-Intervall 1075 bis 1103
2,548Jul 20266,6 $ /1 Mio. Zeichen
109-12
StepFun logo
StepAudio 2.5 TTS
1076±1395%-Intervall 1063 bis 1089
3,458Apr 202685,0 $ /1 Mio. Zeichen
1110-12
Inworld logo
Realtime TTS-2 Flash
1074±1395%-Intervall 1061 bis 1087
2,889Aug 202610,4 $ /1 Mio. Zeichen
1210-12
ElevenLabs logo
Eleven v3
1074±1295%-Intervall 1062 bis 1086
4,078Feb 2026100,0 $ /1 Mio. Zeichen
1311-17
Google logo
Gemini 3.8 Flash-Lite TTS
1061±1495%-Intervall 1047 bis 1075
2,799Sept 202611,0 $ /1 Mio. Zeichen
1413-17
ElevenLabs logo
v3 Conversational
1060±1495%-Intervall 1046 bis 1074
2,483Aug 202650,0 $ /1 Mio. Zeichen
1513-17
SpaceXAI logo
SpaceXAI TTS
1057±1395%-Intervall 1044 bis 1070
3,108Mar 202615,0 $ /1 Mio. Zeichen
1613-17
Gradium logo
Gradium TTS (Sep 2026)
1056±1495%-Intervall 1042 bis 1070
2,002Sept 202647,8 $ /1 Mio. Zeichen
1713-17
Google logo
Gemini 3.8 Flash TTS
1050±1495%-Intervall 1036 bis 1064
2,731Sept 202616,5 $ /1 Mio. Zeichen
1818-19
SpeechifyAI logo
Simba 3.0
1034±1395%-Intervall 1021 bis 1047
2,950Feb 20266,6 $ /1 Mio. Zeichen
1918-23
Gradium logo
Gradium TTS (Aug 2026)
1021±1495%-Intervall 1007 bis 1035
2,390Aug 202647,2 $ /1 Mio. Zeichen
2019-23
MiniMax logo
Speech 2.8 Turbo
1020±1395%-Intervall 1007 bis 1033
3,746Feb 202660,0 $ /1 Mio. Zeichen
2119-23
MiniMax logo
Speech 2.8 HD
1020±1395%-Intervall 1007 bis 1033
3,524Feb 2026100,0 $ /1 Mio. Zeichen
2219-25
BreezeBlue logo
Breeze TTS 2Hugging Face
1018±1495%-Intervall 1004 bis 1032
2,394Aug 202634,0 $ /1 Mio. Zeichen
2319-27
Fish Audio logo
Fish Audio S2.1 Pro
1014±1395%-Intervall 1001 bis 1027
2,792Jun 202615,0 $ /1 Mio. Zeichen
2422-28
Fish Audio logo
OpenAudio S1 MiniHugging Face
1005±1495%-Intervall 991 bis 1019
2,757Jun 202515,0 $ /1 Mio. Zeichen
2523-28
Fish Audio logo
Fish Audio S2 ProHugging Face
1005±1395%-Intervall 992 bis 1018
4,195Mar 202615,0 $ /1 Mio. Zeichen
2623-29
Mistral logo
Voxtral TTSHugging Face
1003±1495%-Intervall 989 bis 1017
2,762Mar 202616,0 $ /1 Mio. Zeichen
2723-29
ElevenLabs logo
Multilingual v2
1001±1395%-Intervall 988 bis 1014
3,576Aug 2023100,0 $ /1 Mio. Zeichen
2828
Fish Audio logo
OpenAudio S1
1000AnkerAuf 1000 fixiert als Bezugspunkt für die Elo-Skala dieser Bestenliste.
5,848Jun 202515,0 $ /1 Mio. Zeichen
2927-30
Fish Audio logo
Fish Audio S1
989±1395%-Intervall 976 bis 1002
3,562Oct 202515,0 $ /1 Mio. Zeichen
3029-31
ElevenLabs logo
Flash v2.5
986±1395%-Intervall 973 bis 999
3,523Dec 202450,0 $ /1 Mio. Zeichen
3130-32
ElevenLabs logo
Turbo v2.5
975±1495%-Intervall 961 bis 989
2,762Jul 202450,0 $ /1 Mio. Zeichen
3231-33
KugelAudio logo
Kugel 3
966±1395%-Intervall 953 bis 979
4,025Jun 2026k. A.
3332-34
Boson AI logo
Higgs Audio V3 TTSHugging Face
961±1495%-Intervall 947 bis 975
2,423Jun 202615,0 $ /1 Mio. Zeichen
3433-36
Cartesia logo
Sonic 3
949±1495%-Intervall 935 bis 963
2,759Oct 202549,0 $ /1 Mio. Zeichen
3533-38
Soniox logo
Soniox TTS Real-Time v2
946±1595%-Intervall 931 bis 961
2,234Aug 202614,2 $ /1 Mio. Zeichen
3634-38
NVIDIA logo
Magpie TTS Zeroshot
941±1795%-Intervall 924 bis 958
1,060Jul 2026k. A.
3735-39
Krafton logo
Raon SpeechLM
931±1595%-Intervall 916 bis 946
2,225Apr 2026k. A.
3835-39
Resemble AI logo
ChatterboxGitHub
931±1595%-Intervall 916 bis 946
2,717May 202525,0 $ /1 Mio. Zeichen
3937-39
Noiz logo
Noiz TTS
921±1595%-Intervall 906 bis 936
2,289Nov 2025k. A.
4040
Smallest.ai logo
Lightning v3.1
888±1595%-Intervall 873 bis 903
2,346Mar 202625,0 $ /1 Mio. Zeichen
4141
Coqui logo
XTTS v2Hugging Face
832±1795%-Intervall 815 bis 849
2,492Nov 202340,4 $ /1 Mio. Zeichen
4242
OpenVoice logo
OpenVoice v2Hugging Face
810±1895%-Intervall 792 bis 828
2,187Apr 20248,3 $ /1 Mio. Zeichen

1 API-Preise spiegeln die Kosten wider, 1M Zeichen über die API des Modellerstellers mit den Standardeinstellungen des Modells zu erzeugen

2 Offene Gewichte umfasst Modelle, die mit herunterladbaren Modellgewichten oder einer vom Anbieter bereitgestellten Inferenzlaufzeit selbst gehostet werden können. Offene Gewichte (kommerziell) umfasst Modelle, deren veröffentlichte Lizenz eine kommerzielle Nutzung erlaubt, auch unter Lizenzbedingungen (z. B. mit einem NVIDIA AI Enterprise-Abonnement), und schließt Modelle aus, die eine separat auszuhandelnde kommerzielle Vereinbarung erfordern.