TTS Arena — AI အသံမော်ဒယ် Leaderboard
20+ text-to-speech models ကိုနှိုင်းယှဉ်ပါ။ အစိုးရစံချိန်စံညွှန်းများ၊ အဖွဲ့အစည်းအဆင့်သတ်မှတ်ချက်များနှင့်ဘေးချင်းယှဉ်နှိုင်းယှဉ်ခြင်း။
ကျွန်တော်တို့ဟာသင့်ရဲ့ဘာသာစကားအတွက် TTS အသံတွေမရှိသေးပါဘူး. ကျွန်တော်တို့ကိုသင့်ရဲ့ add ကူညီပါ!
သင့်အသံကိုရောင်း
ဘေးချင်းယှဉ်နှိုင်းခြင်း
စာသားကို Type, နှစ်ခုမော်ဒယ် pick, နှင့်ရလဒ်များကိုနှိုင်းယှဉ်. Free-tier မော်ဒယ်များအကောင့်မရှိလိုအပ်.
အခမဲ့မော်ဒယ်များအကောင့်မရှိဘဲအလုပ်လုပ်. မှတ်ပုံတင်ပါ ပူဇော်သက္ကာကိုမော်ဒယ်များနှိုင်းယှဉ်ရန်.
မော်ဒယ် Leaderboard
| # | မော်ဒယ် | တာဝန်ခံ | ရပ်ရွာ | သင့်ရဲ့ rating | အမြန်နှုန်း | အမျိုးအစား |
|---|---|---|---|---|---|---|
| 1 |
Kokoro
Lightweight 82M parameter model delivering studio-quality speech with blazing-fast inference.
82M
1200h
2024
|
4.8 /5 |
5.0
/5
1 မဲ
|
fast | Free | |
| 2 |
CosyVoice 2
Alibaba's scalable streaming TTS with human-parity naturalness and near-zero latency.
300M
200000h
2024
|
4.26 /5 | မဲများမရှိသေးပါ | medium | Standard | |
| 3 |
Chatterbox
State-of-the-art zero-shot voice cloning with emotion control from Resemble AI.
300M
2025
|
4.25 /5 | မဲများမရှိသေးပါ | medium | Premium | |
| 4 |
StyleTTS 2
Human-level text-to-speech through style diffusion and adversarial training.
100M
585h
2024
|
4.23 /5 | မဲများမရှိသေးပါ | medium | Premium | |
| 5 |
Piper
A fast, local neural text to speech system optimized for Raspberry Pi and embedded devices.
15M
2023
|
4.15 /5 | မဲများမရှိသေးပါ | fast | Free | |
| 6 |
MeloTTS
High-quality multilingual text-to-speech that runs on CPU with minimal latency.
25M
2024
|
4.13 /5 | မဲများမရှိသေးပါ | fast | Free | |
| 7 |
Dia TTS
Multi-speaker dialog generation model that creates natural conversations between speakers.
1.6B
2024
|
4.09 /5 | မဲများမရှိသေးပါ | medium | Standard | |
| 8 |
VITS
Conditional variational autoencoder with adversarial learning for end-to-end text-to-speech.
25M
585h
2021
|
4.0 /5 | မဲများမရှိသေးပါ | fast | Free | |
| 9 |
Orpheus
Human-level emotional TTS model trained on 100K hours of speech data.
3B
100000h
2025
|
4.0 /5 | မဲများမရှိသေးပါ | medium | Standard | |
| 10 |
OpenVoice
Instant voice cloning with granular control over style, emotion, and accent.
300M
2024
|
4.0 /5 | မဲများမရှိသေးပါ | medium | Premium | |
| 11 |
IndexTTS-2
Zero-shot TTS with fine-grained emotion control and high expressiveness.
300M
2025
|
3.91 /5 | မဲများမရှိသေးပါ | medium | Standard | |
| 12 |
Spark TTS
Voice cloning TTS with controllable emotion and speaking style via prompts.
500M
2025
|
3.9 /5 | မဲများမရှိသေးပါ | medium | Standard | |
| 13 |
Parler TTS
Describe the voice you want in natural language and Parler generates matching speech.
880M
45000h
2024
|
3.83 /5 | မဲများမရှိသေးပါ | medium | Standard | |
| 14 |
Tortoise TTS
Multi-voice text-to-speech focused on quality with autoregressive architecture.
400M
50000h
2022
|
3.7 /5 | မဲများမရှိသေးပါ | slow | Premium | |
| 15 |
Bark
Transformer-based text-to-audio model that generates realistic speech, music, and sound effects.
350M
100000h
2023
|
3.57 /5 | မဲများမရှိသေးပါ | slow | Standard | |
| 16 |
Bark Small
Lighter version of Bark with faster inference and lower memory usage.
150M
100000h
2023
|
— | မဲများမရှိသေးပါ | medium | Standard | |
| 17 |
GLM-TTS
Achieves the lowest character error rate among open-source TTS models.
300M
2025
|
— | မဲများမရှိသေးပါ | medium | Standard | |
| 18 |
GPT-SoVITS
Few-shot voice cloning TTS that replicates any voice from just 5 seconds of audio.
200M
2024
|
— | မဲများမရှိသေးပါ | slow | Standard | |
| 19 |
Qwen3 TTS
Alibaba's multilingual TTS with voice cloning, preset voices, and voice design from text.
1.7B
2025
|
— | မဲများမရှိသေးပါ | medium | Standard | |
| 20 |
Sesame CSM
Conversational speech model generating natural dialogue with appropriate timing and emotion.
1B
2025
|
— | မဲများမရှိသေးပါ | slow | Premium | |
| 21 |
Chatterbox Turbo
Faster Chatterbox with sub-200ms latency and paralinguistic tags for laughs, coughs, and more.
350M
2025
|
— | မဲများမရှိသေးပါ | fast | Standard | |
| 22 |
Zonos
Emotion-controllable TTS with fine-grained sliders for happiness, anger, sadness, and more.
1.6B
200000h
2025
|
— | မဲများမရှိသေးပါ | medium | Standard | |
| 23 |
Dia 2
Streaming-first conversational TTS with multi-speaker dialogue and paralinguistic cues.
2B
2025
|
— | မဲများမရှိသေးပါ | fast | Standard | |
| 24 |
VoxCPM
Tokenizer-free TTS producing 44.1kHz audio with context-aware paragraph consistency.
500M
1800000h
2025
|
— | မဲများမရှိသေးပါ | fast | Standard | |
| 25 |
OuteTTS
LLM-based TTS that runs on CPU, GPU, or browser via llama.cpp and Transformers.js.
1B
5000h
2025
|
— | မဲများမရှိသေးပါ | fast | Free | |
| 26 |
TADA
Zero-hallucination TTS with text-acoustic dual alignment, 5x faster than comparable LLM TTS.
1B
2026
|
— | မဲများမရှိသေးပါ | fast | Standard | |
| 27 |
VibeVoice
Microsoft's multi-speaker long-form TTS generating up to 90 minutes with 4 distinct speakers.
1.5B
100000h
2025
|
— | မဲများမရှိသေးပါ | fast | Standard | |
| 28 |
Pocket TTS
Lightweight 100M parameter model by Kyutai with voice cloning from a single sample.
100M
50000h
2025
|
— | မဲများမရှိသေးပါ | fast | Free | |
| 29 |
Kitten TTS
Ultra-lightweight TTS under 80MB. Runs on CPU without GPU.
80M
2025
|
— | မဲများမရှိသေးပါ | fast | Free | |
| 30 |
CosyVoice3
Next-generation multilingual TTS with bi-streaming, emotion control, and zero-shot voice cloning.
500M
200000h
2025
|
— | မဲများမရှိသေးပါ | fast | Standard | |
| 31 |
MOSS-TTS
Ultra-long 20-language TTS supporting up to 1 hour of continuous generation with phoneme-level control.
8B
500000h
2026
|
— | မဲများမရှိသေးပါ | medium | Premium | |
| 32 |
MegaTTS3
ByteDance's sparse alignment TTS with adjustable intelligibility vs. speaker similarity.
1B
100000h
2025
|
— | မဲများမရှိသေးပါ | slow | Premium |
အသေးစိတ် Benchmark အမှတ်
သဘာဝ, တိကျမှု, နှင့်အမြန်နှုန်း: တရားဝင် TTS.ai စံချိန်စံညွှန်းသုံးရှုထောင့်အကြားဂိုးသွင်း.
Kokoro
Free
သဘာဝကျမှု
4.8/5
တိကျမှု
4.7/5
အမြန်နှုန်း
4.9/5
စုစုပေါင်း
4.8/5
CosyVoice 2
Standard
သဘာဝကျမှု
4.5/5
တိကျမှု
4.4/5
အမြန်နှုန်း
3.8/5
စုစုပေါင်း
4.26/5
Chatterbox
Premium
သဘာဝကျမှု
4.7/5
တိကျမှု
4.5/5
အမြန်နှုန်း
3.4/5
စုစုပေါင်း
4.25/5
StyleTTS 2
Premium
သဘာဝကျမှု
4.5/5
တိကျမှု
4.3/5
အမြန်နှုန်း
3.8/5
စုစုပေါင်း
4.23/5
Piper
Free
သဘာဝကျမှု
3.5/5
တိကျမှု
4.2/5
အမြန်နှုန်း
4.95/5
စုစုပေါင်း
4.15/5
MeloTTS
Free
သဘာဝကျမှု
3.8/5
တိကျမှု
4.1/5
အမြန်နှုန်း
4.6/5
စုစုပေါင်း
4.13/5
Dia TTS
Standard
သဘာဝကျမှု
4.6/5
တိကျမှု
4.3/5
အမြန်နှုန်း
3.2/5
စုစုပေါင်း
4.09/5
VITS
Free
သဘာဝကျမှု
3.4/5
တိကျမှု
4.0/5
အမြန်နှုန်း
4.8/5
စုစုပေါင်း
4.0/5
Orpheus
Standard
သဘာဝကျမှု
4.3/5
တိကျမှု
4.1/5
အမြန်နှုန်း
3.5/5
စုစုပေါင်း
4.0/5
OpenVoice
Premium
သဘာဝကျမှု
4.0/5
တိကျမှု
4.1/5
အမြန်နှုန်း
3.9/5
စုစုပေါင်း
4.0/5
IndexTTS-2
Standard
သဘာဝကျမှု
4.3/5
တိကျမှု
4.1/5
အမြန်နှုန်း
3.2/5
စုစုပေါင်း
3.91/5
Spark TTS
Standard
သဘာဝကျမှု
4.2/5
တိကျမှု
4.0/5
အမြန်နှုန်း
3.4/5
စုစုပေါင်း
3.9/5
Parler TTS
Standard
သဘာဝကျမှု
4.1/5
တိကျမှု
3.9/5
အမြန်နှုန်း
3.4/5
စုစုပေါင်း
3.83/5
Tortoise TTS
Premium
သဘာဝကျမှု
4.6/5
တိကျမှု
4.4/5
အမြန်နှုန်း
1.8/5
စုစုပေါင်း
3.7/5
Bark
Standard
သဘာဝကျမှု
4.2/5
တိကျမှု
3.8/5
အမြန်နှုန်း
2.5/5
စုစုပေါင်း
3.57/5
စံချိန်စံညွှန်းနည်းစနစ်
စမ်းသပ်ခြင်း ပြင်ဆင်ခြင်း
- ဟာ့ဒ်ဝဲ - 4x NVIDIA Tegra P40 (24GB VRAM တစ်ခုချင်းစီ), 96GB စုစုပေါင်း
- စာသားစမ်းသပ်ခြင်း 5 ကွဲပြားခြားနားသောစကားပြောပုံစံများဖုံးလွှမ်းစံသတ်မှတ်ထားသော passages (ပြောဆိုချက်, စကားပြော, နည်းပညာ, စိတ်ခံစားမှု, ဘာသာစကားများစွာ)
- သတ်မှတ်ချက် - လူသားနားထောင်စမ်းသပ်မှုနှင့်အတူပေါင်းစပ်အလိုအလျောက် metrics (MOS ခန့်မှန်းချက်, WER, RTF)
- လည်ပတ်မှု - တစ်ခုချင်းစီကိုမော်ဒယ်စမ်းသပ် 10 ခရီးစဉ်တစ်ကြိမ်, အမှတ်ပျမ်းမျှ
အမှတ်ပေးခြင်း စံနှုန်းများ
- သဘာဝ (40%): အသံထွက်၊ အသံသွင်းမှု၊ စည်းချက်၊ ခံစားမှု—ဘယ်လောက်ထိ လူသားဆန်သလဲ။
- တိကျမှု (30%): အသံထွက်မှန်ကန်မှု, စကားလုံးအမှားနှုန်း, နားလည်မှု
- အမြန်နှုန်း (၃၀%) - အစစ်အမှန်အချိန်အကြောင်းရင်း (audio စက္ကန့် / မျိုးဆက်စက္ကန့်). အမြင့် = ပိုမြန်.
- စုစုပေါင်း - အလေးချိန်ပျမ်းမျှ: 0.4 x သဘာဝ + 0.3 x တိကျမှု + 0.3 x အမြန်နှုန်း
မှတ်စု - Benchmarks ကျွန်တော်တို့ရဲ့တိကျတဲ့ hardware နဲ့စမ်းသပ်စာသားများအပေါ်စွမ်းဆောင်ရည်ကိုထင်ဟပ်. အစစ်အမှန်ကမ္ဘာ့အရည်အသွေး input ကိုစာသားအပေါ်အခြေခံပြီးကွဲပြားခြားနားနိုင်ပါတယ်, ဘာသာစကား, နှင့်အသံရွေးချယ်မှု. အဖွဲ့အစည်း ratings အမျိုးမျိုးသောအစစ်အမှန်အသုံးပြုမှုအပေါ်အခြေခံပြီးအထောက်အကူပြုအချက်ပြပေး.
မေးလေ့ရှိသောမေးခွန်းများ
ကျွန်တော်တို့ကိုတိုးတက်ကောင်းမွန်စေနိုင်သလား? သင့်ရဲ့အကြံပြုချက်များကျွန်တော်တို့ကိုပြဿနာများကိုဖြေရှင်းကူညီပေးသည်။
သင်၏အသံကိုရှာဖွေပါ
Kokoro နှင့်အတူအခမဲ့မည်သည့်မော်ဒယ်ကိုစမ်းကြည့်ပါ, Piper, VITS, သို့မဟုတ် MeloTTS. လိုအပ်သောအကောင့်မရှိ.