Ljud
Text-till-tal-modeller rankade efter lyssnarnas blinda preferens i TTS Arena, med pris per miljon tecken eller per minut.
Uppdaterad · Källor: LiteLLM, TTS Arena
Tiers är våra egna: en modells plats på topplistan där bara de modeller räknas vars hela konfidensintervall ligger ovanför den. S – topp 10%, A – upp till 30%, B – upp till 60%, C – upp till 85%, D – resten.
En annan källa än övriga topplistor
Topplistan för tal (text till tal) kommer inte från LMArena utan från TTS Arena V2, ett öppet communityprojekt från TTS-AGI. Lyssnare hör två röster läsa samma text, utan att veta vilken modell som är vilken, och röstar på den de föredrar. Resultatet är ett Elo-betyg med osäkerhetsintervall, precis som på de andra topplistorna.
Skillnader mot text- och bildlistorna
| Tal | Text, kod, bild, video | |
|---|---|---|
| Källa för betyg | TTS Arena V2 | LMArena |
| Antal röster | publiceras | publiceras |
| Vilka får tier | modeller med minst 300 röster | modeller med minst 300 röster |
| Prisenhet | per 1M tecken eller per minut ljud | per 1M tokens, bild eller sekund |
Eftersom källan redovisar antal röster gäller gränsen på 300 röster även här: en modell med färre röster står som ”Ingen tier ännu”. Tier räknas med samma metod: platsen bestäms av hur många modeller vars hela osäkerhetsintervall ligger ovanför modellens eget, och gränserna är 10, 30, 60 och 85% för S, A, B och C. Betygen ligger tätt och intervallen är breda, så många modeller hamnar i tier S samtidigt.
Pris och ”Lågt pris”
Priset visas per 1M tecken text eller per minut ljud, beroende på hur leverantören tar betalt. ”Lågt pris” betyder här under 5 USD per 1M tecken. Priserna hämtas dagligen från models.dev och LiteLLM.
Vad som inte ingår
- Tal till text, alltså transkribering, bedöms inte – källan har ingen sådan arena.
- Rösterna bedöms mest på engelska. En röst som låter naturlig på engelska kan låta annorlunda på svenska, med fel betoning eller uttal av namn.
- Några rader är modeller som ännu inte har släppts och står under ett kodnamn, utan tillverkare och utan pris.
Råd innan du väljer
Lyssna själv. Skicka en svensk text med namn, siffror och förkortningar till två eller tre kandidater och jämför resultatet. Kontrollera också leverantörens villkor för kommersiell användning av rösterna och om kloning av röster är tillåten.