Controlled Voice Arena リーダーボードArtificial Analysis

同じ8つのクローン音声(米国4、英国4)を使ってテキスト読み上げ(TTS)モデルを比較します。

順位範囲
モデル
Elo
サンプル数
リリース
料金 1
11
Alibaba logo
Qwen-Audio-3.1-TTS-Plus
1211±1995%区間 1192〜1230
1,070Sept 2026$19.31 /100万文字
22-4
HeyGen logo
HeyGen Voice
1191±1295%区間 1179〜1203
2,961Oct 2026$30.00 /100万文字
32-5
SpeechifyAI logo
Simba 3.5
1189±1695%区間 1173〜1205
2,153Nov 2026$6.58 /100万文字
42-5
HeyGen logo
HeyGen Voice Turbo
1181±1495%区間 1167〜1195
2,727Oct 2026$4.00 /100万文字
53-7
Alibaba logo
Qwen-Audio-3.1-TTS-Flash
1173±1695%区間 1157〜1189
1,891-$19.31 /100万文字
66-9
ElevenLabs logo
Eleven v4 Turbo
1160±1195%区間 1149〜1171
3,591Sept 2026$40.00 /100万文字
76-9
ElevenLabs logo
Eleven v4
1158±1195%区間 1147〜1169
3,487Sept 2026$80.00 /100万文字
86-9
Cartesia logo
Sonic 3.6
1154±1195%区間 1143〜1165
4,361Aug 2026$49.00 /100万文字
96-9
Inworld logo
Realtime TTS-2
1149±1195%区間 1138〜1160
4,063Aug 2026$20.83 /100万文字
109-11
StepFun logo
StepAudio 3 TTS
1137±1695%区間 1121〜1153
1,836Nov 2026$14.00 /100万文字
1110-11
Alibaba logo
Qwen-Audio-3.0-TTS-Plus
1133±1295%区間 1121〜1145
3,841Sept 2026$19.31 /100万文字
1212
Cartesia logo
Sonic 3.5
1119±1095%区間 1109〜1129
6,335May 2026$49.00 /100万文字
1312-13
Smallest.ai logo
Lightning V3.1 Pro (Oct 2026)
1106±1495%区間 1092〜1120
2,497Oct 2026$19.50 /100万文字
1414-17
AssemblyAI logo
AssemblyAI-TTS-1
1091±1495%区間 1077〜1105
2,397Oct 2026$15.00 /100万文字
1514-19
SpeechifyAI logo
Simba 3.2
1082±1195%区間 1071〜1093
3,873Jul 2026$6.58 /100万文字
1615-19
StepFun logo
StepAudio 2.5 TTS
1080±1195%区間 1069〜1091
4,750Apr 2026$85.00 /100万文字
1715-23
ElevenLabs logo
Eleven v3
1078±1195%区間 1067〜1089
5,355Feb 2026$100.00 /100万文字
1815-25
Fish Audio logo
Fish Audio Drama 3Hugging Face
1073±1495%区間 1059〜1087
2,475Oct 2026$15.00 /100万文字
1915-24
Ant Group logo
Ming-3.0-ttsHugging Face
1073±1395%区間 1060〜1086
2,785Oct 2026N/A
2017-25
ElevenLabs logo
v3 Conversational
1068±1195%区間 1057〜1079
3,620Aug 2026$50.00 /100万文字
2115-27
Mistral logo
Voxtral 3 TTS
1068±1495%区間 1054〜1082
2,664Oct 2026$13.00 /100万文字
2217-25
SpaceXAI logo
SpaceXAI TTS
1068±1195%区間 1057〜1079
4,307Mar 2026$15.00 /100万文字
2317-25
Inworld logo
Realtime TTS-2 Flash
1067±1195%区間 1056〜1078
4,111Aug 2026$10.42 /100万文字
2418-27
Fish Audio logo
Fish Audio Drama 3 PreviewHugging Face
1061±1295%区間 1049〜1073
3,014Oct 2026$15.00 /100万文字
2520-27
Google logo
Gemini 3.8 Flash-Lite TTS
1059±1195%区間 1048〜1070
3,930Sept 2026$11.03 /100万文字
2624-27
Gradium logo
Gradium TTS (Sep 2026)
1056±1195%区間 1045〜1067
3,160Sept 2026$47.78 /100万文字
2724-27
Google logo
Gemini 3.8 Flash TTS
1056±1195%区間 1045〜1067
3,807Sept 2026$16.49 /100万文字
2828-30
SpeechifyAI logo
Simba 3.0
1039±1195%区間 1028〜1050
3,993Feb 2026$6.58 /100万文字
2928-31
MiniMax logo
Speech 2.8 HD
1032±1195%区間 1021〜1043
4,402Feb 2026$100.00 /100万文字
3028-32
MiniMax logo
Speech 2.8 Turbo
1030±1195%区間 1019〜1041
4,798Feb 2026$60.00 /100万文字
3129-34
BreezeBlue logo
Breeze TTS 2Hugging Face
1023±1295%区間 1011〜1035
3,333Aug 2026$34.00 /100万文字
3229-35
Gradium logo
Gradium TTS (Aug 2026)
1020±1295%区間 1008〜1032
3,276Aug 2026$47.78 /100万文字
3331-37
Fish Audio logo
Fish Audio S2 ProHugging Face
1013±1195%区間 1002〜1024
5,379Mar 2026$15.00 /100万文字
3431-38
Fish Audio logo
OpenAudio S1 MiniHugging Face
1011±1295%区間 999〜1023
3,370Jun 2025$15.00 /100万文字
3532-38
Fish Audio logo
Fish Audio S2.1 Pro (Oct 2026)
1010±1295%区間 998〜1022
2,630Oct 2026$15.00 /100万文字
3633-38
Mistral logo
Voxtral TTSHugging Face
1008±1295%区間 996〜1020
3,536Mar 2026$16.00 /100万文字
3733-38
ElevenLabs logo
Multilingual v2
1005±1195%区間 994〜1016
4,415Aug 2023$100.00 /100万文字
3838
Fish Audio logo
OpenAudio S1
1000基準このリーダーボードのEloスケールの基準点として1000に固定されています。
7,479Jun 2025$15.00 /100万文字
3938-41
Fish Audio logo
Fish Audio S1
990±1295%区間 978〜1002
4,004Oct 2025$15.00 /100万文字
4039-41
ElevenLabs logo
Flash v2.5
989±1195%区間 978〜1000
4,359Dec 2024$50.00 /100万文字
4139-42
ElevenLabs logo
Turbo v2.5
984±1295%区間 972〜996
3,173Jul 2024$50.00 /100万文字
4241-45
KugelAudio logo
Kugel 3
973±1295%区間 961〜985
4,543Jun 2026N/A
4342-45
Boson AI logo
Higgs Audio V3 TTSHugging Face
966±1295%区間 954〜978
2,989Jun 2026$15.00 /100万文字
4442-45
Soniox logo
Soniox TTS Real-Time v2
964±1395%区間 951〜977
2,716Aug 2026$14.23 /100万文字
4542-45
Cartesia logo
Sonic 3
962±1395%区間 949〜975
3,100Oct 2025$49.00 /100万文字
4646-49
NVIDIA logo
Magpie TTS Zeroshot
945±1795%区間 928〜962
1,060Jul 2026N/A
4746-49
Resemble AI logo
ChatterboxGitHub
941±1395%区間 928〜954
3,002May 2025$25.00 /100万文字
4847-49
Krafton logo
Raon SpeechLM
932±1395%区間 919〜945
2,647Apr 2026N/A
4947-49
Noiz logo
Noiz TTS
928±1395%区間 915〜941
2,671Nov 2025N/A
5050
Smallest.ai logo
Lightning v3.1
885±1495%区間 871〜899
2,707Mar 2026$25.00 /100万文字
5151
Coqui logo
XTTS v2Hugging Face
847±1595%区間 832〜862
2,803Nov 2023$40.44 /100万文字
5252
OpenVoice logo
OpenVoice v2Hugging Face
825±1695%区間 809〜841
2,402Apr 2024$8.33 /100万文字

1 API価格は、モデル作成者のAPIでモデルのデフォルト設定を使い、100万文字を生成するコストを反映します

2 オープンウェイトには、ダウンロード可能なモデルウェイトまたはプロバイダー提供の推論ランタイムを使用してセルフホストできるモデルが含まれます。商用利用可能なオープンウェイトには、公開されたライセンスで商用利用(NVIDIA AI Enterprise サブスクリプションなど、ライセンス条件付きの利用を含む)が認められているモデルが含まれ、個別に交渉した商用契約が必要なモデルは含まれません。