Bestenliste der Arena für AnbieterstimmenArtificial Analysis
Vergleichen Sie Text-to-Speech-Modelle (TTS) mit den eigenen nativen Stimmen jedes Anbieters.
Range | Creator | Model | Elo | 95% CI | Samples | Arena-Stimmen | Veröffentlicht | API-Preise 1 | |
|---|---|---|---|---|---|---|---|---|---|
| 1 | 1 |  Cartesia | Sonic 3.6 | 1276 | -16/16 | 1,822 | Aug 2026 | 49,0 $ /1 Mio. Zeichen | |
| 2 | 2-3 |  Alibaba | Qwen-Audio-3.0-TTS-Plus | 1260 | -16/16 | 1,559 | Sept 2026 | 27,6 $ /1 Mio. Zeichen | |
| 3 | 2-5 |  Inworld | Realtime TTS-2 | 1247 | -18/18 | 1,262 | Aug 2026 | 20,8 $ /1 Mio. Zeichen | |
| 4 | 3-5 |  SpeechifyAI | Simba 3.2 | 1240 | -14/14 | 2,498 | Jul 2026 | 6,6 $ /1 Mio. Zeichen | |
| 5 | 4-5 |  VUI Labs | Luna TTS | 1231 | -13/13 | 2,698 | Jun 2026 | 80,0 $ /1 Mio. Zeichen | |
| 6 | 6-9 | Inworld | Realtime TTS-2 Flash | 1215 | -15/15 | 1,834 | Aug 2026 | 10,4 $ /1 Mio. Zeichen | |
| 7 | 6-10 |  StepFun | StepAudio 2.5 TTS (Aug 2026) | 1209 | -16/16 | 1,326 | Aug 2026 | 85,0 $ /1 Mio. Zeichen | |
| 8 | 6-10 |  BreezeBlue | Breeze TTS 2  Offene Gewichte | 1205 | -16/16 | 1,453 | Aug 2026 | 34,0 $ /1 Mio. Zeichen | |
| 9 | 7-10 |  Google | Gemini 3.1 Flash TTS | 1201 | -12/12 | 3,620 | Apr 2026 | 18,3 $ /1 Mio. Zeichen | |
| 10 | 7-11 |  ElevenLabs | v3 Conversational | 1197 | -15/15 | 1,935 | Aug 2026 | 50,0 $ /1 Mio. Zeichen | |
| 11 | 11-13 | Cartesia | Sonic 3.5 | 1184 | -12/12 | 3,252 | May 2026 | 49,0 $ /1 Mio. Zeichen | |
| 12 | 11-15 |  Smallest.ai | Lightning V3.1 Pro (Jul 2026) | 1179 | -14/14 | 2,118 | Jul 2026 | 19,5 $ /1 Mio. Zeichen | |
| 13 | 11-15 |  Soniox | Soniox TTS Real-Time v2 | 1176 | -11/11 | 5,280 | Aug 2026 | 14,2 $ /1 Mio. Zeichen | |
| 14 | 12-16 | ElevenLabs | Eleven v3 | 1168 | -11/11 | 4,577 | Feb 2026 | 100,0 $ /1 Mio. Zeichen | |
| 15 | 13-16 |  MiniMax | Speech 2.8 HD | 1166 | -11/11 | 4,632 | Feb 2026 | 100,0 $ /1 Mio. Zeichen | |
| 16 | 14-18 |  Murf AI | Falcon 2 | 1158 | -14/14 | 1,834 | Jul 2026 | 10,0 $ /1 Mio. Zeichen | |
| 17 | 16-18 | MiniMax | Speech 2.8 Turbo | 1151 | -11/11 | 4,513 | Feb 2026 | 60,0 $ /1 Mio. Zeichen | |
| 18 | 16-20 |  Gradium | Gradium TTS (Aug 2026) | 1148 | -14/14 | 1,771 | Aug 2026 | 47,2 $ /1 Mio. Zeichen | |
| 19 | 17-24 |  Fish Audio | Fish Audio S2.1 Pro | 1139 | -13/13 | 2,359 | Jun 2026 | 15,0 $ /1 Mio. Zeichen | |
| 20 | 18-24 | StepFun | Step TTS 2 (Mar 2026) | 1138 | -12/12 | 2,449 | Feb 2026 | 40,0 $ /1 Mio. Zeichen | |
| 21 | 19-25 |  Microsoft | Azure HD 2.5 | 1133 | -12/12 | 2,636 | Mar 2026 | 22,0 $ /1 Mio. Zeichen | |
| 22 | 19-27 |  SpaceXAI | SpaceXAI TTS | 1131 | -15/15 | 1,355 | Mar 2026 | 15,0 $ /1 Mio. Zeichen | |
| 23 | 20-27 | MiniMax | Speech 2.6 HD | 1127 | -11/11 | 4,050 | Oct 2025 | 100,0 $ /1 Mio. Zeichen | |
| 24 | 19-27 |  async | Async Flash v1.5 | 1127 | -13/13 | 2,346 | May 2026 | 10,1 $ /1 Mio. Zeichen | |
| 25 | 21-29 | Fish Audio | Fish Audio S2 Pro Offene Gewichte | 1122 | -12/12 | 2,406 | Mar 2026 | 15,0 $ /1 Mio. Zeichen | |
| 26 | 23-29 | SpeechifyAI | Simba 3.0 | 1119 | -12/12 | 2,700 | Feb 2026 | 6,6 $ /1 Mio. Zeichen | |
| 27 | 23-29 | MiniMax | Speech 2.6 Turbo | 1118 | -11/11 | 4,427 | Oct 2025 | 60,0 $ /1 Mio. Zeichen | |
| 28 | 25-30 | async | Async Pro v1.0 | 1113 | -13/13 | 2,229 | May 2026 | 20,2 $ /1 Mio. Zeichen | |
| 29 | 25-30 | MiniMax | Speech-02-HD | 1111 | -11/11 | 4,411 | Mar 2025 | 100,0 $ /1 Mio. Zeichen | |
| 30 | 28-33 |  OpenAI | TTS-1 HD | 1105 | -11/11 | 3,648 | Nov 2023 | 30,0 $ /1 Mio. Zeichen | |
| 31 | 30-36 | StepFun | Step Audio EditX (Mar 2026) Offene Gewichte | 1098 | -13/13 | 2,113 | Feb 2026 | k. A. | |
| 32 | 30-36 |  Hithink | Speech 2.6 | 1097 | -13/13 | 2,029 | Jul 2026 | k. A. | |
| 33 | 31-36 | ElevenLabs | Turbo v2.5 | 1094 | -10/10 | 6,938 | Jul 2024 | 50,0 $ /1 Mio. Zeichen | |
| 34 | 30-40 |  Resemble AI | Chatterbox HD | 1093 | -13/13 | 2,410 | — | May 2025 | 40,0 $ /1 Mio. Zeichen |
| 35 | 31-38 | ElevenLabs | Multilingual v2 | 1092 | -10/10 | 7,374 | Aug 2023 | 100,0 $ /1 Mio. Zeichen | |
| 36 | 33-43 | OpenAI | TTS-1 | 1086 | -11/11 | 6,162 | Nov 2023 | 15,0 $ /1 Mio. Zeichen | |
| 37 | 33-43 | MiniMax | Speech-02-Turbo | 1084 | -12/12 | 3,832 | Mar 2025 | 60,0 $ /1 Mio. Zeichen | |
| 38 | 33-43 | Google | Gemini 2.5 Flash Lite TTS | 1084 | -12/12 | 3,206 | Dec 2025 | 9,2 $ /1 Mio. Zeichen | |
| 39 | 36-43 | Google | Studio | 1081 | -11/11 | 4,508 | Feb 2023 | 160,0 $ /1 Mio. Zeichen | |
| 40 | 36-43 | Fish Audio | OpenAudio S1 | 1080 | -11/11 | 4,526 | Jun 2025 | 15,0 $ /1 Mio. Zeichen | |
| 41 | 35-45 | Google | Journey | 1080 | -13/13 | 2,279 | Dec 2023 | 160,0 $ /1 Mio. Zeichen | |
| 42 | 36-45 | ElevenLabs | Flash v2.5 | 1078 | -11/11 | 5,737 | Dec 2024 | 50,0 $ /1 Mio. Zeichen | |
| 43 | 36-47 |  Mistral | Voxtral TTS Offene Gewichte | 1075 | -13/13 | 2,184 | Mar 2026 | 16,0 $ /1 Mio. Zeichen | |
| 44 | 40-51 | OpenAI | GPT-Realtime-2 | 1068 | -13/13 | 2,109 | May 2026 | 191,6 $ /1 Mio. Zeichen | |
| 45 | 40-52 |  Maya Research | Maya 2 Flash | 1067 | -14/14 | 1,907 | Jul 2026 | k. A. | |
| 46 | 43-52 | MiniMax | T2A-01-HD | 1065 | -11/11 | 4,972 | Jan 2025 | 50,0 $ /1 Mio. Zeichen | |
| 47 | 43-54 |  Amazon | Polly Generative | 1064 | -12/12 | 3,733 | May 2024 | 30,0 $ /1 Mio. Zeichen | |
| 48 | 44-55 |  Kokoro | Kokoro 82M v1.0 Offene Gewichte | 1062 | -11/11 | 5,326 | Jan 2025 | 0,7 $ /1 Mio. Zeichen | |
| 49 | 44-56 |  NVIDIA | Magpie-Multilingual 357M (Feb 2026) Offene Gewichte | 1061 | -13/13 | 2,083 | Feb 2026 | k. A. | |
| 50 | 44-56 |  Rime | Coda | 1061 | -13/13 | 2,294 | May 2026 | 50,0 $ /1 Mio. Zeichen | |
| 51 | 44-57 | Cartesia | Sonic 3 | 1059 | -12/12 | 3,570 | Oct 2025 | 49,0 $ /1 Mio. Zeichen | |
| 52 | 46-58 | Google | Chirp 3: HD | 1054 | -12/12 | 3,420 | Mar 2025 | 30,0 $ /1 Mio. Zeichen | |
| 53 | 46-59 |  Hume AI | Octave 2 | 1053 | -12/12 | 3,105 | Oct 2025 | 87,5 $ /1 Mio. Zeichen | |
| 54 | 47-59 | Google | Gemini 2.5 Flash TTS (Dec 2025) | 1053 | -12/12 | 2,922 | Dec 2025 | 9,2 $ /1 Mio. Zeichen | |
| 55 | 47-60 |  Xiaomi | MiMo-V2.5-TTS | 1052 | -13/13 | 2,024 | - | k. A. | |
| 56 | 48-62 | Maya Research | Maya 2 Global | 1050 | -14/14 | 1,780 | Jul 2026 | k. A. | |
| 57 | 52-62 | async | Async Flash v1.0 | 1048 | -11/11 | 4,085 | Jul 2025 | 10,1 $ /1 Mio. Zeichen | |
| 58 | 52-65 | Amazon | Polly Long-Form | 1043 | -13/13 | 1,960 | Nov 2023 | 100,0 $ /1 Mio. Zeichen | |
| 59 | 48-67 | Fish Audio | OpenAudio S1 Mini Offene Gewichte | 1042 | -20/20 | 1,681 | Jun 2025 | 15,0 $ /1 Mio. Zeichen | |
| 60 | 56-67 | Maya Research | Maya1 Offene Gewichte | 1040 | -12/12 | 3,285 | Jun 2025 | k. A. | |
| 61 | 56-67 |  Bland AI | Bland Speech v3 | 1038 | -13/13 | 2,348 | Aug 2026 | 40,0 $ /1 Mio. Zeichen | |
| 62 | 56-67 |  Boson AI | Higgs Audio V3 TTS Offene Gewichte | 1038 | -13/13 | 2,076 | Jun 2026 | 15,0 $ /1 Mio. Zeichen | |
| 63 | 56-70 | Microsoft | Azure Neural | 1033 | -19/19 | 1,158 | Sept 2018 | 15,0 $ /1 Mio. Zeichen | |
| 64 | 58-70 | Microsoft | MAI-Voice-1 | 1031 | -13/13 | 2,275 | Apr 2026 | k. A. | |
| 65 | 58-70 | Google | Gemini 2.5 Pro (Dec 2025) | 1031 | -12/12 | 2,520 | Dec 2025 | 18,3 $ /1 Mio. Zeichen | |
| 66 | 60-70 | MiniMax | T2A-01-Turbo | 1029 | -11/11 | 4,991 | Jan 2025 | 30,0 $ /1 Mio. Zeichen | |
| 67 | 60-70 | Hume AI | Octave TTS | 1029 | -11/11 | 4,697 | Feb 2025 | 87,5 $ /1 Mio. Zeichen | |
| 68 | 63-70 | Xiaomi | MiMo-V2-TTS | 1021 | -14/14 | 1,805 | Mar 2026 | k. A. | |
| 69 | 63-70 | Smallest.ai | Lightning v3.1 | 1021 | -13/13 | 2,215 | Mar 2026 | 25,0 $ /1 Mio. Zeichen | |
| 70 | 64-70 | Resemble AI | Chatterbox  Offene Gewichte | 1021 | -11/11 | 4,674 | May 2025 | 25,0 $ /1 Mio. Zeichen | |
| 71 | 70-73 |  Krafton | Raon SpeechLM | 1007 | -14/14 | 2,047 | Apr 2026 | k. A. | |
| 72 | 71-73 | Rime | Arcana v3 | 1006 | -13/13 | 2,272 | Feb 2026 | 50,0 $ /1 Mio. Zeichen | |
| 73 | 73 |  Zyphra | Zonos-v0.1 Offene Gewichte | 1000 | 0/0 | 4,880 | Feb 2025 | 20,0 $ /1 Mio. Zeichen | |
| 74 | 74 | Murf AI | Murf Speech Gen 2 | 979 | -12/12 | 5,045 | Jul 2024 | 100,0 $ /1 Mio. Zeichen | |
| 75 | 75-76 | Microsoft | VibeVoice 1.5B Offene Gewichte | 961 | -14/14 | 2,148 | Aug 2025 | k. A. | |
| 76 | 75-78 |  OpenVoice | OpenVoice v2 Offene Gewichte | 951 | -13/13 | 2,994 | Apr 2024 | 8,3 $ /1 Mio. Zeichen | |
| 77 | 76-79 | Alibaba | Qwen3 TTS Flash | 945 | -14/14 | 2,167 | Sept 2025 | 10,0 $ /1 Mio. Zeichen | |
| 78 | 76-80 |  Neuphonic | Neuphonic TTS | 939 | -14/14 | 2,429 | Oct 2024 | 20,8 $ /1 Mio. Zeichen | |
| 79 | 77-80 |  KugelAudio | Kugel 3 | 935 | -13/13 | 4,146 | Jun 2026 | k. A. | |
| 80 | 78-82 | Alibaba | Qwen3 TTS | 927 | -13/13 | 2,943 | Jan 2026 | 20,0 $ /1 Mio. Zeichen | |
| 81 | 80-82 | Google | WaveNet | 918 | -12/12 | 6,266 | Sept 2016 | 4,0 $ /1 Mio. Zeichen | |
| 82 | 80-83 |  Coqui | XTTS v2 Offene Gewichte | 916 | -15/15 | 2,557 | — | Nov 2023 | 40,4 $ /1 Mio. Zeichen |
| 83 | 81-86 | Rime | Mist V2 | 905 | -15/15 | 2,877 | Mar 2025 | 31,1 $ /1 Mio. Zeichen | |
| 84 | 83-88 |  StyleTTS | StyleTTS 2 Offene Gewichte | 894 | -15/15 | 2,461 | — | Jun 2023 | 2,8 $ /1 Mio. Zeichen |
| 85 | 83-87 | Google | Neural2 | 893 | -12/12 | 6,520 | Jun 2022 | 16,0 $ /1 Mio. Zeichen | |
| 86 | 84-88 | Amazon | Polly Neural | 891 | -14/14 | 2,794 | Jul 2019 | 16,0 $ /1 Mio. Zeichen | |
| 87 | 84-88 | Google | Standard | 884 | -12/12 | 6,529 | Aug 2018 | 4,0 $ /1 Mio. Zeichen | |
| 88 | 84-88 |  Noiz | Noiz TTS | 880 | -15/15 | 2,035 | Nov 2025 | k. A. | |
| 89 | 89-90 |  MetaVoice | MetaVoice v1 Offene Gewichte | 836 | -18/18 | 1,371 | — | Feb 2024 | k. A. |
| 90 | 89-90 | Amazon | Polly Standard | 829 | -16/16 | 3,359 | Nov 2016 | 4,0 $ /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.
Häufig gestellte Fragen
Die besten Text-to-Speech-Modelle nach Elo-Bewertung sind: 1. Sonic 3.6 (Elo 1276), 2. Qwen-Audio-3.0-TTS-Plus (Elo 1260), 3. Realtime TTS-2 (Elo 1247), 4. Simba 3.2 (Elo 1240) und 5. Luna TTS (Elo 1231). Die Rankings basieren auf blinden Nutzerstimmen in der Speech Arena.
Kokoro 82M v1.0 ist mit $0.65 pro 1M Zeichen das günstigste und hat einen Elo-Wert von 1062. Weitere günstige Optionen sind StyleTTS 2 mit $2.82 pro 1M Zeichen.
Die Top 5 Text-to-Speech-Modelle mit offenen Gewichten sind: 1. Breeze TTS 2 (Elo 1205), 2. Fish Audio S2 Pro (Elo 1122), 3. Step Audio EditX (Mar 2026) (Elo 1098), 4. Voxtral TTS (Elo 1075) und 5. Kokoro 82M v1.0 (Elo 1062).