Text-to-Speech-Bestenliste – Top-KI-Sprachmodelle

Artificial Analysis

Speech Arena Provider-Voice-Bestenliste Controlled-Voice-Bestenliste Stimmen erkunden Modelle vergleichen Anbieter vergleichen

Bestenliste der Arena für AnbieterstimmenArtificial Analysis

Vergleichen Sie Text-to-Speech-Modelle (TTS) mit den eigenen nativen Stimmen jedes Anbieters.

	Bereich	Modell	Elo	Stichproben	Arena-Stimmen	Veröffentlicht	API-Preise ¹
1	1-2	Eleven v4 Turbo	1327±1895%-Intervall 1309 bis 1345	1,768		Sept 2026	40,0 $ /1 Mio. Zeichen
2	1-2	Eleven v4	1323±1795%-Intervall 1306 bis 1340	2,057		Sept 2026	80,0 $ /1 Mio. Zeichen
3	3-4	Qwen-Audio-3.1-TTS-Plus	1298±1795%-Intervall 1281 bis 1315	1,651		Sept 2026	19,3 $ /1 Mio. Zeichen
4	3-5	Sonic 3.6	1284±1595%-Intervall 1269 bis 1299	2,435		Aug 2026	49,0 $ /1 Mio. Zeichen
5	4-6	Gemini 3.8 Flash TTS	1272±1595%-Intervall 1257 bis 1287	2,677		Sept 2026	16,5 $ /1 Mio. Zeichen
6	5-7	Qwen-Audio-3.0-TTS-Plus	1264±1595%-Intervall 1249 bis 1279	2,123		Sept 2026	19,3 $ /1 Mio. Zeichen
7	5-9	Realtime TTS-2	1257±1695%-Intervall 1241 bis 1273	1,884		Aug 2026	20,8 $ /1 Mio. Zeichen
8	7-9	Gemini 3.8 Flash-Lite TTS	1244±1495%-Intervall 1230 bis 1258	2,639		Sept 2026	11,0 $ /1 Mio. Zeichen
9	8-9	Simba 3.2	1243±1395%-Intervall 1230 bis 1256	3,017		Jul 2026	6,6 $ /1 Mio. Zeichen
10	10-15	Breeze TTS 2	1222±1595%-Intervall 1207 bis 1237	1,940		Aug 2026	34,0 $ /1 Mio. Zeichen
11	10-15	Luna TTS	1218±1295%-Intervall 1206 bis 1230	3,185		Jun 2026	15,0 $ /1 Mio. Zeichen
12	10-15	Realtime TTS-2 Flash	1217±1495%-Intervall 1203 bis 1231	2,301		Aug 2026	10,4 $ /1 Mio. Zeichen
13	10-15	Gemini 3.1 Flash TTS	1212±1195%-Intervall 1201 bis 1223	3,971		Apr 2026	18,3 $ /1 Mio. Zeichen
14	10-15	StepAudio 2.5 TTS (Aug 2026)	1209±1595%-Intervall 1194 bis 1224	1,843		Aug 2026	85,0 $ /1 Mio. Zeichen
15	11-15	v3 Conversational	1207±1495%-Intervall 1193 bis 1221	2,401		Aug 2026	50,0 $ /1 Mio. Zeichen
16	16-17	Sonic 3.5	1191±1295%-Intervall 1179 bis 1203	3,464		May 2026	49,0 $ /1 Mio. Zeichen
17	17-20	Soniox TTS Real-Time v2	1179±1195%-Intervall 1168 bis 1190	5,066		Aug 2026	14,2 $ /1 Mio. Zeichen
18	17-21	Eleven v3	1176±1195%-Intervall 1165 bis 1187	4,766		Feb 2026	100,0 $ /1 Mio. Zeichen
19	17-21	Speech 2.8 HD	1173±1195%-Intervall 1162 bis 1184	4,848		Feb 2026	100,0 $ /1 Mio. Zeichen
20	17-21	Lightning V3.1 Pro (Jul 2026)	1172±1395%-Intervall 1159 bis 1185	2,405		Jul 2026	19,5 $ /1 Mio. Zeichen
21	17-21	Gradium TTS (Sep 2026)	1168±1495%-Intervall 1154 bis 1182	1,814		Sept 2026	47,8 $ /1 Mio. Zeichen
22	22-25	Speech 2.8 Turbo	1153±1195%-Intervall 1142 bis 1164	4,667		Feb 2026	60,0 $ /1 Mio. Zeichen
23	22-26	Gradium TTS (Aug 2026)	1152±1395%-Intervall 1139 bis 1165	2,070		Aug 2026	47,2 $ /1 Mio. Zeichen
24	22-26	Falcon 2	1151±1495%-Intervall 1137 bis 1165	2,123		Jul 2026	10,0 $ /1 Mio. Zeichen
25	22-28	SpaceXAI TTS	1143±1495%-Intervall 1129 bis 1157	1,536		Mar 2026	15,0 $ /1 Mio. Zeichen
26	22-28	Fish Audio S2.1 Pro	1141±1295%-Intervall 1129 bis 1153	2,518		Jun 2026	15,0 $ /1 Mio. Zeichen
27	25-30	Step TTS 2 (Mar 2026)	1137±1295%-Intervall 1125 bis 1149	2,512		Feb 2026	40,0 $ /1 Mio. Zeichen
28	25-30	Async Flash v1.5	1136±1295%-Intervall 1124 bis 1148	2,385		May 2026	10,1 $ /1 Mio. Zeichen
29	27-33	Azure HD 2.5	1129±1295%-Intervall 1117 bis 1141	2,680		Mar 2026	22,0 $ /1 Mio. Zeichen
30	27-33	Speech 2.6 HD	1128±1195%-Intervall 1117 bis 1139	4,039		Oct 2025	100,0 $ /1 Mio. Zeichen
31	29-35	Speech 2.6 Turbo	1123±1195%-Intervall 1112 bis 1134	4,355		Oct 2025	60,0 $ /1 Mio. Zeichen
32	29-35	Simba 3.0	1123±1295%-Intervall 1111 bis 1135	2,743		Feb 2026	6,6 $ /1 Mio. Zeichen
33	29-35	Async Pro v1.0	1122±1295%-Intervall 1110 bis 1134	2,279		May 2026	20,2 $ /1 Mio. Zeichen
34	30-36	Fish Audio S2 Pro	1116±1295%-Intervall 1104 bis 1128	2,483		Mar 2026	15,0 $ /1 Mio. Zeichen
35	31-37	Speech-02-HD	1113±1195%-Intervall 1102 bis 1124	4,442		Mar 2025	100,0 $ /1 Mio. Zeichen
36	34-41	TTS-1 HD	1105±1195%-Intervall 1094 bis 1116	3,613		Nov 2023	30,0 $ /1 Mio. Zeichen
37	35-41	Chatterbox HD	1103±1295%-Intervall 1091 bis 1115	2,471	—	May 2025	40,0 $ /1 Mio. Zeichen
38	35-43	Speech 2.6	1100±1395%-Intervall 1087 bis 1113	2,187		Jul 2026	k. A.
39	36-43	Turbo v2.5	1099±1095%-Intervall 1089 bis 1109	6,876		Jul 2024	50,0 $ /1 Mio. Zeichen
40	36-45	Step Audio EditX (Mar 2026)	1096±1395%-Intervall 1083 bis 1109	2,130		Feb 2026	k. A.
41	37-44	Multilingual v2	1095±1095%-Intervall 1085 bis 1105	7,317		Aug 2023	100,0 $ /1 Mio. Zeichen
42	38-47	Speech-02-Turbo	1091±1295%-Intervall 1079 bis 1103	3,819		Mar 2025	60,0 $ /1 Mio. Zeichen
43	38-47	TTS-1	1089±1195%-Intervall 1078 bis 1100	6,149		Nov 2023	15,0 $ /1 Mio. Zeichen
44	40-49	Voxtral TTS	1086±1395%-Intervall 1073 bis 1099	2,214		Mar 2026	16,0 $ /1 Mio. Zeichen
45	40-50	Gemini 2.5 Flash Lite TTS	1084±1295%-Intervall 1072 bis 1096	3,163		Dec 2025	9,2 $ /1 Mio. Zeichen
46	42-50	OpenAudio S1	1082±1195%-Intervall 1071 bis 1093	4,505		Jun 2025	15,0 $ /1 Mio. Zeichen
47	42-50	Studio	1081±1195%-Intervall 1070 bis 1092	4,456		Feb 2023	160,0 $ /1 Mio. Zeichen
48	42-53	GPT-Realtime-2	1078±1395%-Intervall 1065 bis 1091	2,112		May 2026	191,6 $ /1 Mio. Zeichen
49	44-50	Flash v2.5	1077±1195%-Intervall 1066 bis 1088	5,700		Dec 2024	50,0 $ /1 Mio. Zeichen
50	45-55	Journey	1073±1395%-Intervall 1060 bis 1086	2,236		Dec 2023	160,0 $ /1 Mio. Zeichen
51	48-61	Maya 2 Flash	1066±1395%-Intervall 1053 bis 1079	1,957		Jul 2026	k. A.
52	50-59	T2A-01-HD	1066±1195%-Intervall 1055 bis 1077	4,953		Jan 2025	50,0 $ /1 Mio. Zeichen
53	49-61	Polly Generative	1066±1295%-Intervall 1054 bis 1078	3,728		May 2024	30,0 $ /1 Mio. Zeichen
54	50-61	Kokoro 82M v1.0	1064±1195%-Intervall 1053 bis 1075	5,307		Jan 2025	0,7 $ /1 Mio. Zeichen
55	50-63	Magpie-Multilingual 357M (Feb 2026)	1062±1395%-Intervall 1049 bis 1075	2,129		Feb 2026	k. A.
56	51-63	Sonic 3	1060±1295%-Intervall 1048 bis 1072	3,477		Oct 2025	49,0 $ /1 Mio. Zeichen
57	51-63	Chirp 3: HD	1059±1295%-Intervall 1047 bis 1071	3,340		Mar 2025	30,0 $ /1 Mio. Zeichen
58	51-65	Gemini 2.5 Flash TTS (Dec 2025)	1056±1295%-Intervall 1044 bis 1068	2,856		Dec 2025	9,2 $ /1 Mio. Zeichen
59	51-65	Coda	1056±1295%-Intervall 1044 bis 1068	2,300		May 2026	50,0 $ /1 Mio. Zeichen
60	51-66	MiMo-V2.5-TTS	1055±1395%-Intervall 1042 bis 1068	1,993		-	k. A.
61	51-66	Flux TTS	1054±1495%-Intervall 1040 bis 1068	2,012		Aug 2026	45,0 $ /1 Mio. Zeichen
62	55-66	Async Flash v1.0	1051±1195%-Intervall 1040 bis 1062	4,006		Jul 2025	10,1 $ /1 Mio. Zeichen
63	55-67	Octave 2	1051±1295%-Intervall 1039 bis 1063	3,089		Oct 2025	87,5 $ /1 Mio. Zeichen
64	58-70	Maya1	1046±1295%-Intervall 1034 bis 1058	3,251		Jun 2025	k. A.
65	54-76	OpenAudio S1 Mini	1044±2095%-Intervall 1024 bis 1064	1,682		Jun 2025	15,0 $ /1 Mio. Zeichen
66	58-73	Maya 2 Global	1043±1495%-Intervall 1029 bis 1057	1,849		Jul 2026	k. A.
67	64-73	Octave TTS	1039±1195%-Intervall 1028 bis 1050	4,656		Feb 2025	87,5 $ /1 Mio. Zeichen
68	64-76	Higgs Audio V3 TTS	1036±1395%-Intervall 1023 bis 1049	2,102		Jun 2026	15,0 $ /1 Mio. Zeichen
69	62-77	Azure Neural	1035±1995%-Intervall 1016 bis 1054	1,158		Sept 2018	15,0 $ /1 Mio. Zeichen
70	64-76	Bland Speech v3	1035±1395%-Intervall 1022 bis 1048	2,380		Aug 2026	40,0 $ /1 Mio. Zeichen
71	66-77	MAI-Voice-1	1031±1395%-Intervall 1018 bis 1044	2,261		Apr 2026	k. A.
72	66-77	Gemini 2.5 Pro (Dec 2025)	1030±1395%-Intervall 1017 bis 1043	2,435		Dec 2025	18,3 $ /1 Mio. Zeichen
73	67-77	Polly Long-Form	1030±1395%-Intervall 1017 bis 1043	1,927		Nov 2023	100,0 $ /1 Mio. Zeichen
74	68-77	T2A-01-Turbo	1028±1195%-Intervall 1017 bis 1039	4,944		Jan 2025	30,0 $ /1 Mio. Zeichen
75	68-77	Chatterbox	1026±1195%-Intervall 1015 bis 1037	4,646		May 2025	25,0 $ /1 Mio. Zeichen
76	68-77	Lightning v3.1	1024±1395%-Intervall 1011 bis 1037	2,218		Mar 2026	25,0 $ /1 Mio. Zeichen
77	69-77	MiMo-V2-TTS	1022±1495%-Intervall 1008 bis 1036	1,805		Mar 2026	k. A.
78	78-79	Raon SpeechLM	1002±1395%-Intervall 989 bis 1015	2,116		Apr 2026	k. A.
79	79	Zonos-v0.1	1000AnkerAuf 1000 fixiert als Bezugspunkt für die Elo-Skala dieser Bestenliste.	4,839		Feb 2025	20,0 $ /1 Mio. Zeichen
80	80	Murf Speech Gen 2	985±1295%-Intervall 973 bis 997	4,988		Jul 2024	100,0 $ /1 Mio. Zeichen
81	81-82	VibeVoice 1.5B	957±1495%-Intervall 943 bis 971	2,123		Aug 2025	k. A.
82	81-83	OpenVoice v2	955±1495%-Intervall 941 bis 969	3,010		Apr 2024	8,3 $ /1 Mio. Zeichen
83	82-86	Qwen3 TTS Flash	942±1495%-Intervall 928 bis 956	2,160		Sept 2025	11,0 $ /1 Mio. Zeichen
84	83-86	Neuphonic TTS	940±1495%-Intervall 926 bis 954	2,413		Oct 2024	20,8 $ /1 Mio. Zeichen
85	83-86	Kugel 3	933±1395%-Intervall 920 bis 946	4,250		Jun 2026	k. A.
86	83-86	Qwen3 TTS	932±1395%-Intervall 919 bis 945	2,979		Jan 2026	13,8 $ /1 Mio. Zeichen
87	87-89	WaveNet	917±1295%-Intervall 905 bis 929	6,300		Sept 2016	4,0 $ /1 Mio. Zeichen
88	87-89	XTTS v2	916±1595%-Intervall 901 bis 931	2,592	—	Nov 2023	40,4 $ /1 Mio. Zeichen
89	87-92	Mist V2	907±1595%-Intervall 892 bis 922	2,924		Mar 2025	31,1 $ /1 Mio. Zeichen
90	89-93	Polly Neural	896±1495%-Intervall 882 bis 910	2,873		Jul 2019	16,0 $ /1 Mio. Zeichen
91	90-93	Neural2	895±1295%-Intervall 883 bis 907	6,578		Jun 2022	16,0 $ /1 Mio. Zeichen
92	89-93	StyleTTS 2	894±1595%-Intervall 879 bis 909	2,550	—	Jun 2023	2,8 $ /1 Mio. Zeichen
93	90-94	Standard	887±1295%-Intervall 875 bis 899	6,637		Aug 2018	4,0 $ /1 Mio. Zeichen
94	93-94	Noiz TTS	877±1595%-Intervall 862 bis 892	2,229		Nov 2025	k. A.
95	95-96	MetaVoice v1	848±1895%-Intervall 830 bis 866	1,546	—	Feb 2024	k. A.
96	96	Polly Standard	831±1695%-Intervall 815 bis 847	3,489		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

Eleven v4 Turbo führt derzeit die Text-to-Speech-Arena mit einem Elo-Wert von 1327 an.

Die besten Text-to-Speech-Modelle nach Elo-Bewertung sind: 1. Eleven v4 Turbo (Elo 1327), 2. Eleven v4 (Elo 1323), 3. Qwen-Audio-3.1-TTS-Plus (Elo 1298), 4. Sonic 3.6 (Elo 1284) und 5. Gemini 3.8 Flash TTS (Elo 1272). Die Rankings basieren auf blinden Nutzerstimmen in der Speech Arena.

Modelle werden mit einem Elo-Bewertungssystem bewertet, das aus Nutzerstimmen in Blindvergleichen in der Speech Arena abgeleitet wird. Nutzer hören Paare von Sprachproben, die aus demselben Text erzeugt wurden, und wählen, welche natürlicher klingt. Höhere Elo-Werte bedeuten, dass ein Modell von Hörern häufiger bevorzugt wird. In der Speech Arena abstimmen

Kokoro 82M v1.0 ist mit $0.65 pro 1M Zeichen das günstigste und hat einen Elo-Wert von 1064. Weitere günstige Optionen sind StyleTTS 2 mit $2.82 pro 1M Zeichen.

Breeze TTS 2 ist das höchstplatzierte Modell mit offenen Gewichten in der Text-to-Speech-Bestenliste mit einem Elo-Wert von 1222. Unter insgesamt 96 Modellen gibt es 16 Modelle mit offenen Gewichten.

Die Top 5 Text-to-Speech-Modelle mit offenen Gewichten sind: 1. Breeze TTS 2 (Elo 1222), 2. Fish Audio S2 Pro (Elo 1116), 3. Step Audio EditX (Mar 2026) (Elo 1096), 4. Voxtral TTS (Elo 1086) und 5. Kokoro 82M v1.0 (Elo 1064).

Sie können nach den folgenden Kategorien filtern: Knowledge Sharing, Assistants, Entertainment und Customer Service und nach den folgenden Akzenten: US und UK.

Bestenliste der Arena für AnbieterstimmenArtificial Analysis

Häufig gestellte Fragen

Welches ist das beste KI-Text-to-Speech-Modell?

Was sind die besten Text-to-Speech-Modelle?

Wie werden Text-to-Speech-Modelle in dieser Bestenliste bewertet?

Welches Text-to-Speech-Modell ist am günstigsten?

Welches ist das beste Text-to-Speech-Modell mit offenen Gewichten?

Was sind die Top 5 Text-to-Speech-Modelle mit offenen Gewichten?

Nach welchen Kategorien und Akzenten kann ich filtern?