プロバイダー音声ArenaリーダーボードArtificial Analysis

各プロバイダー独自のネイティブ音声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
Arena音声
リリース
API価格 1
11
BreezeBlue logo
Breeze TTS 2Hugging Face
1222±1595%区間 1207〜1237
1,940Aug 2026$34.0 /100万文字
22
Fish Audio logo
Fish Audio S2 ProHugging Face
1116±1295%区間 1104〜1128
2,483Mar 2026$15.0 /100万文字
33-4
StepFun logo
Step Audio EditX (Mar 2026)Hugging Face
1096±1395%区間 1083〜1109
2,130Feb 2026N/A
43-4
Mistral logo
Voxtral TTSHugging Face
1086±1395%区間 1073〜1099
2,214Mar 2026$16.0 /100万文字
55-6
Kokoro logo
Kokoro 82M v1.0Hugging Face
1064±1195%区間 1053〜1075
5,307Jan 2025$0.7 /100万文字
65-6
NVIDIA logo
Magpie-Multilingual 357M (Feb 2026)Hugging Face
1062±1395%区間 1049〜1075
2,129Feb 2026N/A
77-9
Maya Research logo
Maya1Hugging Face
1046±1295%区間 1034〜1058
3,251Jun 2025N/A
85-10
Fish Audio logo
OpenAudio S1 MiniHugging Face
1044±2095%区間 1024〜1064
1,682Jun 2025$15.0 /100万文字
97-10
Boson AI logo
Higgs Audio V3 TTSHugging Face
1036±1395%区間 1023〜1049
2,102Jun 2026$15.0 /100万文字
109-10
Resemble AI logo
ChatterboxGitHub
1026±1195%区間 1015〜1037
4,646May 2025$25.0 /100万文字
1111
Zyphra logo
Zonos-v0.1GitHub
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。
4,839Feb 2025$20.0 /100万文字
1212-13
Microsoft logo
VibeVoice 1.5BHugging Face
957±1495%区間 943〜971
2,123Aug 2025N/A
1312-13
OpenVoice logo
OpenVoice v2Hugging Face
955±1495%区間 941〜969
3,010Apr 2024$8.3 /100万文字
1414
Coqui logo
XTTS v2Hugging Face
916±1595%区間 901〜931
2,592—Nov 2023$40.4 /100万文字
1515
StyleTTS logo
StyleTTS 2GitHub
894±1595%区間 879〜909
2,550—Jun 2023$2.8 /100万文字
1616
MetaVoice logo
MetaVoice v1GitHub
848±1895%区間 830〜866
1,546—Feb 2024N/A

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。