Áudio
Modelos de texto para fala classificados pela preferência às cegas dos ouvintes na TTS Arena, com preço por milhão de caracteres ou por minuto.
Atualizado · Fontes: LiteLLM, TTS Arena
Os tiers são nossos: a posição de um modelo no ranking, contando só os modelos cujo intervalo de confiança inteiro fica acima dele. S — 10% do topo, A — até 30%, B — até 60%, C — até 85%, D — o restante.
Vozes avaliadas por quem escuta
O ranking de áudio reúne modelos de texto para fala, ou seja, que transformam um texto escrito em voz. A fonte aqui não é o LMArena, e sim o TTS Arena V2, um projeto aberto da comunidade TTS-AGI: ouvintes escutam duas vozes lendo o mesmo texto, sem saber qual modelo é qual, e votam na que preferem. O resultado é uma nota no estilo Elo, com margem de incerteza e o número de votos de cada modelo.
Quem recebe tier
Como nos outros rankings, um modelo precisa de pelo menos 300 votos para receber tier. O TTS Arena publica o número de votos, então a regra vale aqui também: quem tem menos fica como “Ainda sem tier”. A posição é calculada pelas margens de incerteza, contando os modelos cuja margem fica inteira acima, com as faixas de 10, 30, 60 e 85%. As notas das vozes são próximas e as margens, largas; por isso muitos modelos caem juntos no tier S.
Preço e o que ele inclui
- A unidade mais comum é USD por 1M de caracteres de texto.
- Alguns provedores cobram por minuto de áudio; o cabeçalho da coluna mostra a unidade.
- “Preço baixo”, neste ranking, é menos de 5 USD por 1M de caracteres.
Para estimar o custo de um audiolivro ou de um curso narrado, conte os caracteres do texto e multiplique pelo preço da unidade.
O que fica de fora
Modelos de fala para texto, os que transcrevem áudio, não são avaliados: a fonte não tem arena para eles. Algumas linhas são modelos ainda não lançados, com nome de código, sem fabricante nem preço. E as vozes são avaliadas principalmente em inglês. Uma voz bem colocada aqui pode soar diferente em português, com sotaque ou entonação estranhos. Ouça amostras no idioma que você vai usar antes de escolher.
Para comparar
Marque até 4 modelos e veja-os na comparação. Lembre que a nota Elo do áudio só faz sentido dentro deste ranking. Preços vêm do models.dev e do LiteLLM, atualizados diariamente.