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 de API 1 | |
|---|---|---|---|---|---|---|---|
| 1 | 1 |  Breeze TTS 2  | 1222±15Intervalo del 95%: 1207 a 1237 | 1,940 | Aug 2026 | 34,0 US$ /1 M de caracteres | |
| 2 | 2 |  Fish Audio S2 Pro | 1116±12Intervalo del 95%: 1104 a 1128 | 2,483 | Mar 2026 | 15,0 US$ /1 M de caracteres | |
| 3 | 3-4 |  Step Audio EditX (Mar 2026) | 1096±13Intervalo del 95%: 1083 a 1109 | 2,130 | Feb 2026 | N/D | |
| 4 | 3-4 |  Voxtral TTS | 1086±13Intervalo del 95%: 1073 a 1099 | 2,214 | Mar 2026 | 16,0 US$ /1 M de caracteres | |
| 5 | 5-6 |  Kokoro 82M v1.0 | 1064±11Intervalo del 95%: 1053 a 1075 | 5,307 | Jan 2025 | 0,7 US$ /1 M de caracteres | |
| 6 | 5-6 |  Magpie-Multilingual 357M (Feb 2026) | 1062±13Intervalo del 95%: 1049 a 1075 | 2,129 | Feb 2026 | N/D | |
| 7 | 7-9 |  Maya1 | 1046±12Intervalo del 95%: 1034 a 1058 | 3,251 | Jun 2025 | N/D | |
| 8 | 5-10 | OpenAudio S1 Mini | 1044±20Intervalo del 95%: 1024 a 1064 | 1,682 | Jun 2025 | 15,0 US$ /1 M de caracteres | |
| 9 | 7-10 |  Higgs Audio V3 TTS | 1036±13Intervalo del 95%: 1023 a 1049 | 2,102 | Jun 2026 | 15,0 US$ /1 M de caracteres | |
| 10 | 9-10 |  Chatterbox  | 1026±11Intervalo del 95%: 1015 a 1037 | 4,646 | May 2025 | 25,0 US$ /1 M de caracteres | |
| 11 | 11 |  Zonos-v0.1 | 1000AnclaFijado en 1000 como punto de referencia de la escala Elo de esta clasificación. | 4,839 | Feb 2025 | 20,0 US$ /1 M de caracteres | |
| 12 | 12-13 |  VibeVoice 1.5B | 957±14Intervalo del 95%: 943 a 971 | 2,123 | Aug 2025 | N/D | |
| 13 | 12-13 |  OpenVoice v2 | 955±14Intervalo del 95%: 941 a 969 | 3,010 | Apr 2024 | 8,3 US$ /1 M de caracteres | |
| 14 | 14 |  XTTS v2 | 916±15Intervalo del 95%: 901 a 931 | 2,592 | — | Nov 2023 | 40,4 US$ /1 M de caracteres |
| 15 | 15 |  StyleTTS 2 | 894±15Intervalo del 95%: 879 a 909 | 2,550 | — | Jun 2023 | 2,8 US$ /1 M de caracteres |
| 16 | 16 |  MetaVoice v1 | 848±18Intervalo del 95%: 830 a 866 | 1,546 | — | 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.