Ranking da Provider Voice ArenaArtificial Analysis

Compare modelos de texto para fala (TTS) usando as vozes nativas de cada provedor.

Faixa
Modelo
Elo
Amostras
Vozes da Arena
Lançamento
Preço 1
11
Fish Audio logo
Fish Audio Drama 3Hugging Face
1277±16Intervalo de 95%: 1261 a 1293
1.996Oct 2026$15.00 /1 mi de caracteres
22-3
Fish Audio logo
Fish Audio Drama 3 PreviewHugging Face
1237±13Intervalo de 95%: 1224 a 1250
3.001Oct 2026$15.00 /1 mi de caracteres
32-3
BreezeBlue logo
Breeze TTS 2Hugging Face
1228±12Intervalo de 95%: 1216 a 1240
3.145Aug 2026$34.00 /1 mi de caracteres
44
Ant Group logo
Ming-3.0-ttsHugging Face
1179±12Intervalo de 95%: 1167 a 1191
2.802Oct 2026N/D
55-7
Gradium logo
Phonon 31M (English)Hugging Face
1108±13Intervalo de 95%: 1095 a 1121
2.055Oct 2026$0.00 /1 mi de caracteres
65-8
Fish Audio logo
Fish Audio S2 ProHugging Face
1101±11Intervalo de 95%: 1090 a 1112
3.091Mar 2026$15.00 /1 mi de caracteres
75-8
StepFun logo
Step Audio EditX (Mar 2026)Hugging Face
1100±11Intervalo de 95%: 1089 a 1111
2.690Feb 2026N/D
86-8
Mistral logo
Voxtral TTSHugging Face
1094±11Intervalo de 95%: 1083 a 1105
2.833Mar 2026$16.00 /1 mi de caracteres
99-10
NVIDIA logo
Magpie-Multilingual 357M (Feb 2026)Hugging Face
1064±12Intervalo de 95%: 1052 a 1076
2.591Feb 2026N/D
109-10
Kokoro logo
Kokoro 82M v1.0Hugging Face
1060±11Intervalo de 95%: 1049 a 1071
5.672Jan 2025$0.65 /1 mi de caracteres
1111-12
Maya Research logo
Maya1Hugging Face
1047±12Intervalo de 95%: 1035 a 1059
3.559Jun 2025N/D
1210-13
Fish Audio logo
OpenAudio S1 MiniHugging Face
1042±20Intervalo de 95%: 1022 a 1062
1.678Jun 2025$15.00 /1 mi de caracteres
1312-13
Boson AI logo
Higgs Audio V3 TTSHugging Face
1035±12Intervalo de 95%: 1023 a 1047
2.470Jun 2026$15.00 /1 mi de caracteres
1414
Resemble AI logo
ChatterboxGitHub
1019±11Intervalo de 95%: 1008 a 1030
4.899May 2025$25.00 /1 mi de caracteres
1515
Zyphra logo
Zonos-v0.1GitHub
1000ÂncoraFixado em 1000 como ponto de referência da escala Elo deste ranking.
5.029Feb 2025$20.00 /1 mi de caracteres
1616-17
OpenVoice logo
OpenVoice v2Hugging Face
954±13Intervalo de 95%: 941 a 967
3.188—Apr 2024$8.33 /1 mi de caracteres
1716-17
Microsoft logo
VibeVoice 1.5BHugging Face
954±14Intervalo de 95%: 940 a 968
2.252Aug 2025N/D
1818
Coqui logo
XTTS v2Hugging Face
914±15Intervalo de 95%: 899 a 929
2.769—Nov 2023$40.44 /1 mi de caracteres
1919
StyleTTS  logo
StyleTTS 2GitHub
887±15Intervalo de 95%: 872 a 902
2.764—Jun 2023$2.82 /1 mi de caracteres
2020
MetaVoice logo
MetaVoice v1GitHub
845±18Intervalo de 95%: 827 a 863
1.717—Feb 2024N/D

1 O preço da API reflete o custo de gerar 1M de caracteres na API do criador do modelo com as configurações padrão do modelo

2 Pesos abertos inclui modelos que podem ser auto-hospedados usando pesos de modelo para download ou um ambiente de inferência fornecido pelo provedor. Pesos abertos para uso comercial inclui modelos cuja licença publicada permite o uso comercial, inclusive sujeito a condições da licença (por exemplo, uma assinatura do NVIDIA AI Enterprise), e exclui modelos que exigem um acordo comercial negociado separadamente.