語音合成(TTS)模型排行榜

依真人盲聽投票的 Elo 排名。預設採用 Artificial Analysis(AA)TTS 榜,並列出 TTS Arena V2 的成績作對照;兩邊的 Elo 基準不同,不能直接相減。

完整榜單

共 21 個

預設依 AA Elo 降序。 改依 TTS Arena Elo 排序 →

# 模型 Artificial Analysis TTS Arena V2 價格 $/1M 字元 發布 音色
Elo 樣本 Elo 票數
1MMetaVoice v1MetaVoice開源847±181,654–––2024年2月–
2SStyleTTS 2StyleTTS 開源890±152,675––$2.82023年6月–
3XTTS v2Coqui開源915±152,703––$40.42023年11月–
4OOpenVoice v2OpenVoice開源955±133,085––$8.32024年4月–
5VibeVoice 1.5BMicrosoft開源956±142,160–––2025年8月2
6ZZonos-v0.1Zyphra開源1000⚓4,875––$202025年2月8
7RChatterboxResemble AI開源1025±114,7241471±191,806$252025年5月8
8BHiggs Audio V3 TTSBoson AI開源1045±132,234––$152026年6月8
9OpenAudio S1 MiniFish Audio開源中國1045±201,682––$152025年6月8
10MMaya1Maya Research開源1048±123,3361401±36467–2025年6月4
11Magpie-Multilingual 357M (Feb 2026)NVIDIA開源1065±122,315–––2026年2月5
12KKokoro 82M v1.0Kokoro開源1066±115,4501468±261,033$0.72025年1月8
13Voxtral TTSMistral開源1091±122,460––$162026年3月3
14Step Audio EditX (Mar 2026)StepFun開源中國1100±122,359–––2026年2月2
15Fish Audio S2 ProFish Audio開源中國1110±122,750––$152026年3月4
16Ming-3.0-ttsAnt Group開源中國1191±142,169–––2026年10月3
17BBreeze TTS 2BreezeBlue開源1230±142,378––$342026年8月8
18Fish Audio Drama 3 PreviewFish Audio開源中國1248±152,237––$152026年10月8
19TTontaube V1Tontaube開源––1426±54 初步172–––
20FFluxions VuiFluxions開源––1405±60 初步158–––
21MVeenaMaya Research開源––1355±37510–––

Elo 資料:Artificial Analysis(artificialanalysis.ai)與 TTS Arena V2(TTS-AGI)。引用請註明來源。

已收錄、兩個榜單皆暫無成績 4

常被問到的開源中文 TTS。AA 與 TTS Arena 都還沒有它們的盲聽成績,所以不排名;資訊來自 Hugging Face 模型頁。

模型AA EloTTS Arena Elo授權發布
Fun-CosyVoice3-0.5BAlibaba (FunAudioLLM)開源––Apache-2.02025年12月
CosyVoice2-0.5BAlibaba (FunAudioLLM)開源––Apache-2.02025年7月
Qwen3-TTS-12Hz-1.7BAlibaba開源––Apache-2.02026年1月
IndexTTS-2Bilibili (IndexTeam)開源–––2025年6月

資料來源與計算方法

  1. Artificial Analysis TTS Arena:聽眾在不知道模型名的情況下比較兩段合成語音並投票,以 Elo 計分,Zonos-v0.1 固定為 1000 作錨點;表中 ± 為 95% 信賴區間半寬,「樣本」為參與計分的投票數。價格為各家官方 API 標價換算到每百萬字元(美元),發布為月份。
  2. TTS Arena V2(Hugging Face 上的 TTS-AGI 社群專案):同樣是盲聽兩兩投票的 Elo,表中 ± 為其公布的不確定度;票數不足的成績標為「初步」,被暫停的模型不展示。其 Elo 基準與 AA 不同(多在 1350–1750),兩欄只能各自比較。
  3. 兩邊是同一模型時合併成一列(例如 MiniMax Speech 2.8 HD),對照表人工維護、只合併名稱與版本能一一對上的;對不上的分開列出。「中國」依廠商歸屬標註。
  4. 新模型不被埋沒:預設排序下,尚無 AA 成績、但仍在 TTS Arena 投票池中的模型(最多 6 個,匿名代號除外)單列「暫無 AA 成績」一組,固定在前 30 列內、依 TTS Arena Elo 排序,標「新」不占名次;AA 收錄後自動歸位。
  5. 缺失的值顯示「–」,本站不估算、不補造任何分數或價格。價格、發布月只有 AA 的付費資料介面才提供,免費介面取不到時沿用上一次的值,並在懸停提示中註明截至日期。
  6. 每天 14:40(UTC+8)自動同步一次。 /api/public/tts-leaderboard.php

常見問題

目前最好的語音合成模型是哪個?

依 2026年10月25日 的 AA 盲聽 Elo,第一是 ElevenLabs 的 Eleven v4 Turbo(1336,±17)。TTS Arena V2 上第一是 Inworld TTS MAX(1548)。前幾名的信賴區間常有重疊,差幾十分以內可視為同一檔。

中國語音合成模型哪個最好?

AA 榜上中國模型最高是 Alibaba 的 Qwen-Audio-3.1-TTS-Plus(1307,總第 3);榜上的中國模型還有 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)。CosyVoice 等開源模型目前兩個榜單都沒有成績,列在頁尾「暫無成績」。

有哪些可以本地部署的開源 TTS?

AA 榜上有 18 個開放權重模型,最高是 Fish Audio Drama 3 Preview(1248)。點「開放權重」篩選可看全部;授權各不相同,商用前請看模型頁。

為什麼 AA 和 TTS Arena 的分數差這麼多?

兩者的 Elo 起點不同(AA 以 Zonos-v0.1 = 1000 為錨,TTS Arena 多在 1350–1750),參賽模型、提示文字和投票人群也不同。只比較同一欄中的先後,不要拿兩欄相減。

新出的模型為什麼排在第 30 列附近、沒有名次?

它們已在 TTS Arena 取得成績,但 AA 尚未收錄。為了不被埋在榜尾,預設排序把它們單列一組放在前 30 列內(標「新」),等 AA 有了分數再依成績歸位。