Como ler benchmarks · Guia

Voz e clonagem

Para voz, eu olho preferência humana, preço por milhão de caracteres, latência em streaming e a existência de vozes em PT-BR. Amostras de demo e MOS declarado pelo fornecedor ficam de fora. Clonagem exige consentimento e uma leitura da política de uso; sotaque brasileiro e direitos entram nessa conversa antes da posição no ranking.

Não achei, nesta passada, uma arena independente só de clonagem de voz.

O que cito é um ponto isolado da Artificial Analysis, na versão mais recente consultada: a Eleven v4 liderava a Speech Arena com Elo 1338, a US$ 80 por milhão de caracteres, e o Qwen-Audio-3.1-TTS-Plus aparecia em 3º, com 1299. Source: Artificial Analysis (artificialanalysis.ai). Há uma divergência de preço que eu não reconciliei: a mesma leitura lista o Qwen a US$ 19,31 por milhão, enquanto o Model Studio em Singapura lista o qwen-audio-3.1-tts-plus a US$ 0,3 por 10 mil caracteres, o equivalente a US$ 30 por milhão. Pode ser região ou recorte diferente.

Quadro de fontes abertas

Voz fica sem quadro numérico. O que houver da Artificial Analysis permanece como citação no texto, com a versão do índice.

Guia completo Comparar JSON CSV