音訊
依 TTS Arena 聽眾盲測偏好排名的語音合成模型，價格以每百萬字元或每分鐘計。
等級由我們自行計算：模型在排行榜中的名次，只計入整個信賴區間都高於它的模型。S — 前 10%，A — 至 30%，B — 至 60%，C — 至 85%，D — 其餘。
這個來源的特別之處
音訊排行榜評比的是文字轉語音模型，來源不是 LMArena，而是 TTS Arena V2，由 TTS-AGI 社群維護的開放專案。這個來源會公布票數，因此同樣套用「至少 300 票」的規則：票數不足的模型顯示「尚未分級」。部分列是尚未發布、以代號出現的模型，沒有廠商也沒有價格。
評分怎麼來
聆聽者在不知道模型名稱的情況下，比較兩個朗讀同一段文字的聲音，選出聽起來較好的一個。這些選擇換算成 Elo 評分與不確定範圍；名次看有多少模型的整個範圍都在它之上，再依門檻 10%、30%、60%、85% 分成 S、A、B、C、D。語音模型的評分接近、範圍又寬，所以會有許多模型同時落在 S 級。
價格
- 依供應商不同，以每 1M 字元或每分鐘音訊計價；
- 「低價」代表每 1M 字元低於 5 美元；
- 單位寫在欄位標題中，請比較相同的單位。
本頁不包含什麼
語音轉文字（聽寫）模型沒有評分，因為來源沒有這類競技場。聲音大多以英文評比，英文聽起來自然的模型，唸中文時可能不同。為 Podcast、有聲書或語音助理挑選聲音前，請用自己的文字測試，特別注意聲調與人名的發音。
怎麼挑選
先篩出有 API 且價格合適的模型，再到供應商頁面試聽。長篇內容請依字元數估算費用，並確認供應商是否限制單次請求的長度。取得管道見 API 供應商，多個模型對照見 比較。
來源：評分 TTS Arena V2；價格 models.dev、LiteLLM。