Tabla de clasificación de la Arena de voz del proveedorArtificial Analysis
Compara modelos de texto a voz (TTS) usando las voces nativas de cada proveedor.
Rango | Modelo | Elo | Muestras | Voces de la Arena | Lanzamiento | Precio 1 | |
|---|---|---|---|---|---|---|---|
| 1 | 1 |  Fish Audio Drama 3  | 1278±18Intervalo del 95%: 1260 a 1296 | 1,512 | Oct 2026 | 15,0 US$ /1 M de caracteres | |
| 2 | 2-3 | Fish Audio Drama 3 Preview | 1240±14Intervalo del 95%: 1226 a 1254 | 2,544 | Oct 2026 | 15,0 US$ /1 M de caracteres | |
| 3 | 2-3 |  Breeze TTS 2 | 1228±13Intervalo del 95%: 1215 a 1241 | 2,650 | Aug 2026 | 34,0 US$ /1 M de caracteres | |
| 4 | 4 |  Ming-3.0-tts | 1187±13Intervalo del 95%: 1174 a 1200 | 2,418 | Oct 2026 | N/D | |
| 5 | 5-6 | Fish Audio S2 Pro | 1109±11Intervalo del 95%: 1098 a 1120 | 2,874 | Mar 2026 | 15,0 US$ /1 M de caracteres | |
| 6 | 5-7 |  Step Audio EditX (Mar 2026) | 1099±12Intervalo del 95%: 1087 a 1111 | 2,498 | Feb 2026 | N/D | |
| 7 | 6-7 |  Voxtral TTS | 1090±12Intervalo del 95%: 1078 a 1102 | 2,604 | Mar 2026 | 16,0 US$ /1 M de caracteres | |
| 8 | 8-9 |  Magpie-Multilingual 357M (Feb 2026) | 1067±12Intervalo del 95%: 1055 a 1079 | 2,390 | Feb 2026 | N/D | |
| 9 | 8-9 |  Kokoro 82M v1.0 | 1062±11Intervalo del 95%: 1051 a 1073 | 5,539 | Jan 2025 | 0,7 US$ /1 M de caracteres | |
| 10 | 10-12 |  Maya1 | 1046±12Intervalo del 95%: 1034 a 1058 | 3,412 | Jun 2025 | N/D | |
| 11 | 9-13 | OpenAudio S1 Mini | 1044±20Intervalo del 95%: 1024 a 1064 | 1,682 | Jun 2025 | 15,0 US$ /1 M de caracteres | |
| 12 | 10-12 |  Higgs Audio V3 TTS | 1039±13Intervalo del 95%: 1026 a 1052 | 2,302 | Jun 2026 | 15,0 US$ /1 M de caracteres | |
| 13 | 13 |  Chatterbox  | 1024±11Intervalo del 95%: 1013 a 1035 | 4,779 | May 2025 | 25,0 US$ /1 M de caracteres | |
| 14 | 14 |  Zonos-v0.1 | 1000AnclaFijado en 1000 como punto de referencia de la escala Elo de esta clasificación. | 4,916 | Feb 2025 | 20,0 US$ /1 M de caracteres | |
| 15 | 15-16 |  OpenVoice v2 | 956±13Intervalo del 95%: 943 a 969 | 3,112 | — | Apr 2024 | 8,3 US$ /1 M de caracteres |
| 16 | 15-16 |  VibeVoice 1.5B | 955±14Intervalo del 95%: 941 a 969 | 2,187 | Aug 2025 | N/D | |
| 17 | 17 |  XTTS v2 | 915±15Intervalo del 95%: 900 a 930 | 2,735 | — | Nov 2023 | 40,4 US$ /1 M de caracteres |
| 18 | 18 |  StyleTTS 2 | 891±15Intervalo del 95%: 876 a 906 | 2,707 | — | Jun 2023 | 2,8 US$ /1 M de caracteres |
| 19 | 19 |  MetaVoice v1 | 847±18Intervalo del 95%: 829 a 865 | 1,672 | — | Feb 2024 | N/D |
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.