音声合成（TTS）モデルランキング
人によるブラインド聴取投票の Elo 順。既定は Artificial Analysis（AA）の TTS ランキングで、TTS Arena V2 の成績も併記します。両者の Elo は基準が異なるため直接比較できません。
Eleven v4 TurboElevenLabs · Elo 1336
TTS Arena 1 位IInworld TTS MAXInworld · Elo 1548
中国系トップ
Qwen-Audio-3.1-TTS-PlusAlibaba · Elo 1307
オープンウェイト首位
Fish Audio Drama 3 PreviewFish Audio · Elo 1248
最近の公開
AA 記載の公開月
全ランキング
24 件既定は AA Elo の降順です。 TTS Arena Elo 順に並べ替え →
| # | モデル | Artificial Analysis | TTS Arena V2 | 価格 $/100万文字 | 公開 | ボイス | ||
|---|---|---|---|---|---|---|---|---|
| Elo↑ | サンプル | Elo | 票数 | |||||
| 1 | Qwen3 TTSAlibaba中国 | 930±13 | 3,113 | – | – | $13.8 | 2026年1月 | 8 |
| 2 | Qwen3 TTS FlashAlibaba中国 | 942±14 | 2,220 | – | – | $11 | 2025年9月 | 4 |
| 3 |  T2A-01-TurboMiniMax中国 | 1031±11 | 5,000 | – | – | $30 | 2025年1月 | 8 |
| 4 | OpenAudio S1 MiniFish Audioオープン中国 | 1045±20 | 1,682 | – | – | $15 | 2025年6月 | 8 |
| 5 |  MiMo-V2.5-TTSXiaomi中国 | 1055±12 | 2,141 | – | – | – | – | 4 |
| 6 | T2A-01-HDMiniMax中国 | 1069±11 | 5,088 | – | – | $50 | 2025年1月 | 8 |
| 7 | OpenAudio S1Fish Audio中国 | 1087±11 | 4,658 | 1491±28 | 608 | $15 | 2025年6月 | 8 |
| 8 | Speech-02-TurboMiniMax中国 | 1092±11 | 4,002 | 1495±21 | 1,231 | $60 | 2025年3月 | 4 |
| 9 | HSpeech 2.6Hithink中国 | 1097±12 | 2,493 | 1491±30 | 587 | – | 2026年7月 | 8 |
| 10 |  Step Audio EditX (Mar 2026)StepFunオープン中国 | 1100±12 | 2,359 | – | – | – | 2026年2月 | 2 |
| 11 | Fish Audio S2 ProFish Audioオープン中国 | 1110±12 | 2,750 | – | – | $15 | 2026年3月 | 4 |
| 12 | Speech-02-HDMiniMax中国 | 1111±11 | 4,668 | 1504±21 | 1,243 | $100 | 2025年3月 | 4 |
| 13 | Speech 2.6 TurboMiniMax中国 | 1122±11 | 4,590 | 1514±31 | 542 | $60 | 2025年10月 | 8 |
| 14 | Speech 2.6 HDMiniMax中国 | 1130±11 | 4,316 | 1498±30 | 560 | $100 | 2025年10月 | 8 |
| 15 | Step TTS 2 (Mar 2026)StepFun中国 | 1140±12 | 2,835 | – | – | $40 | 2026年2月 | 2 |
| 16 | Speech 2.8 TurboMiniMax中国 | 1156±10 | 5,016 | 1517±31 | 533 | $60 | 2026年2月 | 8 |
| 17 | Speech 2.8 HDMiniMax中国 | 1176±10 | 5,246 | 1532±29 | 503 | $100 | 2026年2月 | 8 |
| 18 | Fish Audio S2.1 Pro (Oct 2026)Fish Audio中国 | 1186±14 | 2,123 | – | – | $15 | 2026年10月 | 8 |
| 19 |  Ming-3.0-ttsAnt Groupオープン中国 | 1191±14 | 2,169 | – | – | – | 2026年10月 | 3 |
| 20 | StepAudio 2.5 TTS (Aug 2026)StepFun中国 | 1214±14 | 2,254 | – | – | $85 | 2026年8月 | 8 |
| 21 | Fish Audio Drama 3 PreviewFish Audioオープン中国 | 1248±15 | 2,237 | – | – | $15 | 2026年10月 | 8 |
| 22 | Qwen-Audio-3.0-TTS-PlusAlibaba中国 | 1266±14 | 2,507 | – | – | $19.3 | 2026年9月 | 8 |
| 23 | Qwen-Audio-3.1-TTS-PlusAlibaba中国 | 1307±16 | 2,030 | – | – | $19.3 | 2026年9月 | 8 |
| 24 | OpenAudio S2Fish Audio中国 | – | – | 1515±28 | 603 | – | – | – |
Elo データ：Artificial Analysis（artificialanalysis.ai）と TTS Arena V2（TTS-AGI）。引用時は出典を明記してください。
収録済み・両ランキングとも未評価 4
よく質問されるオープンな中国語 TTS。AA・TTS Arena ともにブラインド評価がまだないため順位なし。情報は Hugging Face のモデルページより。
| モデル | AA Elo | TTS Arena Elo | ライセンス | 公開 |
|---|---|---|---|---|
| Fun-CosyVoice3-0.5BAlibaba (FunAudioLLM)オープン | – | – | Apache-2.0 | 2025年12月 |
| CosyVoice2-0.5BAlibaba (FunAudioLLM)オープン | – | – | Apache-2.0 | 2025年7月 |
| Qwen3-TTS-12Hz-1.7BAlibabaオープン | – | – | Apache-2.0 | 2026年1月 |
| IndexTTS-2Bilibili (IndexTeam)オープン | – | – | – | 2025年6月 |
データソースと算出方法
- AAArtificial Analysis 音声合成ランキング
2026年10月25日 取得 · 98 件
- TATTS Arena V2（TTS-AGI、Hugging Face）
2026年10月25日 取得 · 43 件
- Artificial Analysis TTS Arena：モデル名を伏せて 2 つの音声を聞き比べて投票し、Elo で採点（Zonos-v0.1 を 1000 に固定）。± は 95% 信頼区間の半幅、「サンプル」は集計票数。価格は公式 API 価格を 100 万文字あたり（米ドル）に換算、公開は月単位。
- TTS Arena V2（Hugging Face 上の TTS-AGI コミュニティ）：同じくブラインド対戦投票の Elo。± は公表の不確かさ。票数不足は「暫定」、停止中のモデルは非表示。Elo の基準が AA と異なる（主に 1350–1750）ため、列ごとに比較してください。
- 両ソースが同一モデル（例：MiniMax Speech 2.8 HD）の場合は 1 行に統合。対応表は手動管理で、名称と版が一致するものだけを統合し、曖昧なものは別行のまま。「中国」はベンダー基準。
- 新モデルを埋もれさせない：既定順では、AA スコアがなく TTS Arena の投票対象にあるモデル（最大 6 件、匿名コード名を除く）を「AA スコア未取得」グループとして上位 30 行内に TTS Arena Elo 順で表示し、「新」表記で順位に含めません。AA 掲載後に自動で移動します。
- 欠損値は「–」で表示し、スコアや価格を推定・補完しません。価格と公開月は AA の有料 API のみが提供するため、無料 API で取得できない場合は前回値を保持し、ホバーに時点を明記します。
- 毎日 06:40 UTC に自動同期。 /api/public/tts-leaderboard.php
よくある質問
現在最も優れた音声合成モデルは？
2026年10月25日 時点の AA ブラインド Elo では 1 位は ElevenLabs の Eleven v4 Turbo（1336、±17）。TTS Arena V2 の 1 位は Inworld TTS MAX（1548）。上位は信頼区間が重なることが多く、数十点差なら同等と見なせます。
中国系の音声合成モデルで最も高いのは？
AA で中国系の最上位は Alibaba の Qwen-Audio-3.1-TTS-Plus（1307、総合 3 位）。ほかに Qwen-Audio-3.0-TTS-Plus、Fish Audio Drama 3 Preview、StepAudio 2.5 TTS (Aug 2026)、Ming-3.0-tts、Fish Audio S2.1 Pro (Oct 2026) など。CosyVoice などのオープンモデルは両ランキングとも未評価のため、ページ下部に掲載しています。
ローカルで動かせるオープンな TTS は？
AA には 18 件のオープンウェイトモデルがあり、最上位は Fish Audio Drama 3 Preview（1248）。「オープンウェイト」フィルターで一覧できます。ライセンスは様々なので商用前に確認を。
AA と TTS Arena のスコアが大きく違うのはなぜ？
Elo の起点が異なり（AA は Zonos-v0.1 = 1000、TTS Arena は主に 1350–1750）、対象モデル・プロンプト・投票者も違います。同じ列の中だけで比較してください。
新しいモデルが 30 行目付近に順位なしで出るのはなぜ？
TTS Arena では評価済みですが AA が未掲載のモデルです。末尾に埋もれないよう、既定順では上位 30 行内にグループ表示（「新」）し、AA の評価後に成績順へ移動します。