Tabla de clasificación de la Provider Voice ArenaArtificial 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
11
Fish Audio logo
Fish Audio Drama 3Hugging Face
1277±16Intervalo del 95%: 1261 a 1293
1996Oct 2026$15.00 /1 M de caracteres
22-3
Fish Audio logo
Fish Audio Drama 3 PreviewHugging Face
1237±13Intervalo del 95%: 1224 a 1250
3001Oct 2026$15.00 /1 M de caracteres
32-3
BreezeBlue logo
Breeze TTS 2Hugging Face
1228±12Intervalo del 95%: 1216 a 1240
3145Aug 2026$34.00 /1 M de caracteres
44
Ant Group logo
Ming-3.0-ttsHugging Face
1179±12Intervalo del 95%: 1167 a 1191
2802Oct 2026N/D
55-7
Gradium logo
Phonon 31M (English)Hugging Face
1108±13Intervalo del 95%: 1095 a 1121
2055Oct 2026$0.00 /1 M de caracteres
65-8
Fish Audio logo
Fish Audio S2 ProHugging Face
1101±11Intervalo del 95%: 1090 a 1112
3091Mar 2026$15.00 /1 M de caracteres
75-8
StepFun logo
Step Audio EditX (Mar 2026)Hugging Face
1100±11Intervalo del 95%: 1089 a 1111
2690Feb 2026N/D
86-8
Mistral logo
Voxtral TTSHugging Face
1094±11Intervalo del 95%: 1083 a 1105
2833Mar 2026$16.00 /1 M de caracteres
99-10
NVIDIA logo
Magpie-Multilingual 357M (Feb 2026)Hugging Face
1064±12Intervalo del 95%: 1052 a 1076
2591Feb 2026N/D
109-10
Kokoro logo
Kokoro 82M v1.0Hugging Face
1060±11Intervalo del 95%: 1049 a 1071
5672Jan 2025$0.65 /1 M de caracteres
1111-12
Maya Research logo
Maya1Hugging Face
1047±12Intervalo del 95%: 1035 a 1059
3559Jun 2025N/D
1210-13
Fish Audio logo
OpenAudio S1 MiniHugging Face
1042±20Intervalo del 95%: 1022 a 1062
1678Jun 2025$15.00 /1 M de caracteres
1312-13
Boson AI logo
Higgs Audio V3 TTSHugging Face
1035±12Intervalo del 95%: 1023 a 1047
2470Jun 2026$15.00 /1 M de caracteres
1414
Resemble AI logo
ChatterboxGitHub
1019±11Intervalo del 95%: 1008 a 1030
4899May 2025$25.00 /1 M de caracteres
1515
Zyphra logo
Zonos-v0.1GitHub
1000AnclaFijado en 1000 como punto de referencia de la escala Elo de esta clasificación.
5029Feb 2025$20.00 /1 M de caracteres
1616-17
OpenVoice logo
OpenVoice v2Hugging Face
954±13Intervalo del 95%: 941 a 967
3188—Apr 2024$8.33 /1 M de caracteres
1716-17
Microsoft logo
VibeVoice 1.5BHugging Face
954±14Intervalo del 95%: 940 a 968
2252Aug 2025N/D
1818
Coqui logo
XTTS v2Hugging Face
914±15Intervalo del 95%: 899 a 929
2769—Nov 2023$40.44 /1 M de caracteres
1919
StyleTTS  logo
StyleTTS 2GitHub
887±15Intervalo del 95%: 872 a 902
2764—Jun 2023$2.82 /1 M de caracteres
2020
MetaVoice logo
MetaVoice v1GitHub
845±18Intervalo del 95%: 827 a 863
1717—Feb 2024N/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.