最良のプロバイダー音声テキスト読み上げ(TTS)モデル
音声生成モデルの品質、速度、料金を、各モデル独自の音声が利用できる場合はそれを使用して比較します。
詳細については、方法論ページをご覧ください。
品質
プロバイダー音声アリーナの選好度Elo
Arena Elo: average Elo rating of the model · Higher is better
発音の頑健性
ハイライトされた箇所のうち、評価者が正しく発音されたと判定した割合(%) · 英語 · Higher is better
カテゴリー別の発音の頑健性
ハイライトされた箇所のうち、評価者が正しく発音されたと判定した割合(%) · 英語 · Higher is better
料金
料金
Price: USD per 1M characters of text · Lower is better
スループット
1秒あたりの文字数
Characters processed per second: # of characters per second of generation time · Higher is better
よくある質問
Eleven v4 Turboは現在、Artificial Analysisのテキスト読み上げモデル比較で最高品質を持ち、品質Eloは1327です。 Eleven v4 Turboを見る
Polly Standardは現在、代表的なAPIエンドポイントでの比較において最速のテキスト読み上げモデルであり、Amazon Bedrockは1秒あたり1,343.1文字を配信します。 Polly Standardのプロバイダーを見る
Kokoro 82M v1.0は現在、代表的なAPIエンドポイントでの比較において最も安価なテキスト読み上げモデルであり、Replicateの価格は100万文字あたり$0.65です。 Kokoro 82M v1.0のプロバイダーを見る
Eleven v4 Turbo(ElevenLabs経由)、Qwen-Audio-3.1-TTS-Plus(Alibaba Cloud経由)、Gemini 3.8 Flash TTS(Google経由)は現在、比較の中で品質対価格のトレードオフが特に強いエンドポイントの一部です。これらの代表的なエンドポイントは現在の品質対価格のフロンティアに位置しており、同時により安くて品質が高い代替はほとんどありません。 Eleven v4 Turboのプロバイダーを見る