最佳提供商语音文本转语音（TTS）模型
比较语音生成模型的质量、速度和价格；如有可用音色，每个模型均使用其自身提供的音色。
更多详情请参阅我们的方法论页面。
质量
服务商音色竞技场质量 Elo
Arena Elo: average Elo rating of the model · Higher is better
定价
价格
Price: USD per 1M characters of text · Lower is better
吞吐量
每秒字符数
Characters processed per second: # of characters per second of generation time · Higher is better
常见问题
Sonic 3.6 目前在 Artificial Analysis 文本转语音模型比较中质量最高，质量 Elo 为 1277。 查看 Sonic 3.6
Polly Neural 目前是比较中在代表性 API 端点上最快的文本转语音模型，Amazon Bedrock 可达每秒 1,432.4 个字符。 查看 Polly Neural 的服务商
Kokoro 82M v1.0 目前是比较中在代表性 API 端点上最便宜的文本转语音模型，Replicate 的价格为每百万字符 US$0.65。 查看 Kokoro 82M v1.0 的服务商
Sonic 3.6（通过 Cartesia）、Realtime TTS-2（通过 Inworld）和Simba 3.2（通过 SpeechifyAI） 目前在比较中提供了一些最强的质量-价格权衡。这些代表性端点位于当前的质量-价格前沿，意味着很少有替代方案同时更便宜且质量更高。 查看 Sonic 3.6 的服务商