Tabla de clasificación de la Arena de voz controladaArtificial Analysis

Compara modelos de texto a voz (TTS) usando las mismas 8 voces clonadas (4 de EE. UU., 4 del Reino Unido).

Rango
Modelo
Elo
Muestras
Lanzamiento
Precio de API 1
11-2
HeyGen logo
HeyGen Voice
1195±16Intervalo del 95%: 1179 a 1211
1,684Oct 202630,0 US$ /1 M de caracteres
22
Alibaba logo
Qwen-Audio-3.1-TTS-Plus
1180±14Intervalo del 95%: 1166 a 1194
2,046Sept 202619,3 US$ /1 M de caracteres
33-4
ElevenLabs logo
Eleven v4 Turbo
1163±14Intervalo del 95%: 1149 a 1177
2,326Sept 202640,0 US$ /1 M de caracteres
43-4
ElevenLabs logo
Eleven v4
1158±14Intervalo del 95%: 1144 a 1172
2,287Sept 202680,0 US$ /1 M de caracteres
55-6
Cartesia logo
Sonic 3.6
1143±14Intervalo del 95%: 1129 a 1157
2,900Aug 202649,0 US$ /1 M de caracteres
65-6
Inworld logo
Realtime TTS-2
1140±14Intervalo del 95%: 1126 a 1154
2,870Aug 202620,8 US$ /1 M de caracteres
77-8
Alibaba logo
Qwen-Audio-3.0-TTS-Plus
1125±14Intervalo del 95%: 1111 a 1139
2,615Sept 202619,3 US$ /1 M de caracteres
87-8
Cartesia logo
Sonic 3.5
1116±12Intervalo del 95%: 1104 a 1128
4,886May 202649,0 US$ /1 M de caracteres
99-10
SpeechifyAI logo
Simba 3.2
1088±14Intervalo del 95%: 1074 a 1102
2,553Jul 20266,6 US$ /1 M de caracteres
1010-12
StepFun logo
StepAudio 2.5 TTS
1074±13Intervalo del 95%: 1061 a 1087
3,462Apr 202685,0 US$ /1 M de caracteres
1110-12
ElevenLabs logo
Eleven v3
1072±12Intervalo del 95%: 1060 a 1084
4,086Feb 2026100,0 US$ /1 M de caracteres
1210-12
Inworld logo
Realtime TTS-2 Flash
1072±13Intervalo del 95%: 1059 a 1085
2,902Aug 202610,4 US$ /1 M de caracteres
1312-18
Google logo
Gemini 3.8 Flash-Lite TTS
1058±14Intervalo del 95%: 1044 a 1072
2,808Sept 202611,0 US$ /1 M de caracteres
1411-18
Fish Audio logo
Fish Audio Drama 3 PreviewHugging Face
1058±15Intervalo del 95%: 1043 a 1073
1,804Oct 202615,0 US$ /1 M de caracteres
1513-18
ElevenLabs logo
v3 Conversational
1057±14Intervalo del 95%: 1043 a 1071
2,487Aug 202650,0 US$ /1 M de caracteres
1613-18
SpaceXAI logo
SpaceXAI TTS
1055±13Intervalo del 95%: 1042 a 1068
3,116Mar 202615,0 US$ /1 M de caracteres
1713-18
Gradium logo
Gradium TTS (Sep 2026)
1054±14Intervalo del 95%: 1040 a 1068
2,014Sept 202647,8 US$ /1 M de caracteres
1813-18
Google logo
Gemini 3.8 Flash TTS
1048±14Intervalo del 95%: 1034 a 1062
2,736Sept 202616,5 US$ /1 M de caracteres
1919-21
SpeechifyAI logo
Simba 3.0
1032±13Intervalo del 95%: 1019 a 1045
2,958Feb 20266,6 US$ /1 M de caracteres
2019-24
MiniMax logo
Speech 2.8 HD
1019±13Intervalo del 95%: 1006 a 1032
3,536Feb 2026100,0 US$ /1 M de caracteres
2119-24
Gradium logo
Gradium TTS (Aug 2026)
1019±14Intervalo del 95%: 1005 a 1033
2,397Aug 202647,2 US$ /1 M de caracteres
2220-24
MiniMax logo
Speech 2.8 Turbo
1018±13Intervalo del 95%: 1005 a 1031
3,751Feb 202660,0 US$ /1 M de caracteres
2320-24
BreezeBlue logo
Breeze TTS 2Hugging Face
1017±14Intervalo del 95%: 1003 a 1031
2,401Aug 202634,0 US$ /1 M de caracteres
2420-27
Fish Audio logo
Fish Audio S2.1 Pro (Oct 2026)
1015±15Intervalo del 95%: 1000 a 1030
1,751Oct 202615,0 US$ /1 M de caracteres
2524-29
Fish Audio logo
OpenAudio S1 MiniHugging Face
1002±14Intervalo del 95%: 988 a 1016
2,758Jun 202515,0 US$ /1 M de caracteres
2624-29
Mistral logo
Voxtral TTSHugging Face
1002±14Intervalo del 95%: 988 a 1016
2,772Mar 202616,0 US$ /1 M de caracteres
2725-29
Fish Audio logo
Fish Audio S2 ProHugging Face
1001±13Intervalo del 95%: 988 a 1014
4,216Mar 202615,0 US$ /1 M de caracteres
2828
Fish Audio logo
OpenAudio S1
1000AnclaFijado en 1000 como punto de referencia de la escala Elo de esta clasificación.
5,860Jun 202515,0 US$ /1 M de caracteres
2925-31
ElevenLabs logo
Multilingual v2
997±13Intervalo del 95%: 984 a 1010
3,583Aug 2023100,0 US$ /1 M de caracteres
3029-31
Fish Audio logo
Fish Audio S1
987±13Intervalo del 95%: 974 a 1000
3,567Oct 202515,0 US$ /1 M de caracteres
3129-31
ElevenLabs logo
Flash v2.5
986±13Intervalo del 95%: 973 a 999
3,530Dec 202450,0 US$ /1 M de caracteres
3231-34
ElevenLabs logo
Turbo v2.5
973±14Intervalo del 95%: 959 a 987
2,764Jul 202450,0 US$ /1 M de caracteres
3332-34
KugelAudio logo
Kugel 3
962±13Intervalo del 95%: 949 a 975
4,035Jun 2026N/D
3432-35
Boson AI logo
Higgs Audio V3 TTSHugging Face
960±14Intervalo del 95%: 946 a 974
2,434Jun 202615,0 US$ /1 M de caracteres
3534-37
Cartesia logo
Sonic 3
947±14Intervalo del 95%: 933 a 961
2,763Oct 202549,0 US$ /1 M de caracteres
3635-38
Soniox logo
Soniox TTS Real-Time v2
944±15Intervalo del 95%: 929 a 959
2,244Aug 202614,2 US$ /1 M de caracteres
3735-39
NVIDIA logo
Magpie TTS Zeroshot
939±17Intervalo del 95%: 922 a 956
1,060Jul 2026N/D
3836-40
Resemble AI logo
ChatterboxGitHub
929±15Intervalo del 95%: 914 a 944
2,720May 202525,0 US$ /1 M de caracteres
3937-40
Krafton logo
Raon SpeechLM
928±15Intervalo del 95%: 913 a 943
2,239Apr 2026N/D
4038-40
Noiz logo
Noiz TTS
918±15Intervalo del 95%: 903 a 933
2,303Nov 2025N/D
4141
Smallest.ai logo
Lightning v3.1
886±15Intervalo del 95%: 871 a 901
2,351Mar 202625,0 US$ /1 M de caracteres
4242
Coqui logo
XTTS v2Hugging Face
830±17Intervalo del 95%: 813 a 847
2,500Nov 202340,4 US$ /1 M de caracteres
4343
OpenVoice logo
OpenVoice v2Hugging Face
811±18Intervalo del 95%: 793 a 829
2,190Apr 20248,3 US$ /1 M de caracteres

1 El precio de API refleja el costo de generar 1M de caracteres en la API del creador del modelo con la configuración predeterminada del modelo

2 Pesos abiertos incluye modelos que pueden autoalojarse mediante pesos descargables o un entorno de inferencia proporcionado por el proveedor. Pesos abiertos comerciales incluye modelos cuya licencia publicada permite el uso comercial, incluso sujeto a condiciones de la licencia (p. ej., una suscripción a NVIDIA AI Enterprise), y excluye los modelos que requieren un acuerdo comercial negociado por separado.