TTS Arena — AI ئاۋاز مودېلى رىقابەتچىلەر تىزىملىكى
20 تىن ئارتۇق تېكىستتىن سۆزگە مودېلىنى سېلىشتۇرۇش. رەسمىي ئۆلچەملەر، جەمئىيەت باھالىرى ۋە يان-يان سېلىشتۇرۇش.
يان-يان سېلىشتۇرۇش
تېكىست كىرگۈزۈپ، ئىككى مودېل تاللاپ، نەتىجىنى سېلىشتۇرۇڭ. ھەقسىز مودېللار ھېسابات تەلەپ قىلمايدۇ.
ھەقسىز مۇلازىمەتلەر ھېساباتسىز ئىشلەيدۇ. قوشۇل قىممەت باھالىق مەھسۇلاتلارنى سېلىشتۇرۇش.
رىقابەتچىلەر تىزىملىكى
| # | مودېل | رەسمىي | جەمئىيەت | دەرىجىڭىز | تېزلىك | ھايۋان |
|---|---|---|---|---|---|---|
| 1 |
Kokoro
Lightweight 82M parameter model delivering studio-quality speech with blazing-fast inference.
82M
1200h
2024
|
4.8 /5 |
5.0
/5
1 ئاۋاز
|
fast | Free | |
| 2 |
CosyVoice 2
Alibaba's scalable streaming TTS with human-parity naturalness and near-zero latency.
300M
200000h
2024
|
4.26 /5 | تا ھازىرغىچە باھا بەرگۈچى يوق | medium | Standard | |
| 3 |
Chatterbox
State-of-the-art zero-shot voice cloning with emotion control from Resemble AI.
300M
2025
|
4.25 /5 | تا ھازىرغىچە باھا بەرگۈچى يوق | medium | Premium | |
| 4 |
StyleTTS 2
Human-level text-to-speech through style diffusion and adversarial training.
100M
585h
2024
|
4.23 /5 | تا ھازىرغىچە باھا بەرگۈچى يوق | medium | Premium | |
| 5 |
Piper
A fast, local neural text to speech system optimized for Raspberry Pi and embedded devices.
15M
2023
|
4.15 /5 | تا ھازىرغىچە باھا بەرگۈچى يوق | fast | Free | |
| 6 |
MeloTTS
High-quality multilingual text-to-speech that runs on CPU with minimal latency.
25M
2024
|
4.13 /5 | تا ھازىرغىچە باھا بەرگۈچى يوق | fast | Free | |
| 7 |
Dia TTS
Multi-speaker dialog generation model that creates natural conversations between speakers.
1.6B
2024
|
4.09 /5 | تا ھازىرغىچە باھا بەرگۈچى يوق | medium | Standard | |
| 8 |
VITS
Conditional variational autoencoder with adversarial learning for end-to-end text-to-speech.
25M
585h
2021
|
4.0 /5 | تا ھازىرغىچە باھا بەرگۈچى يوق | fast | Free | |
| 9 |
Orpheus
Human-level emotional TTS model trained on 100K hours of speech data.
3B
100000h
2025
|
4.0 /5 | تا ھازىرغىچە باھا بەرگۈچى يوق | medium | Standard | |
| 10 |
OpenVoice
Instant voice cloning with granular control over style, emotion, and accent.
300M
2024
|
4.0 /5 | تا ھازىرغىچە باھا بەرگۈچى يوق | medium | Premium | |
| 11 |
IndexTTS-2
Zero-shot TTS with fine-grained emotion control and high expressiveness.
300M
2025
|
3.91 /5 | تا ھازىرغىچە باھا بەرگۈچى يوق | medium | Standard | |
| 12 |
Spark TTS
Voice cloning TTS with controllable emotion and speaking style via prompts.
500M
2025
|
3.9 /5 | تا ھازىرغىچە باھا بەرگۈچى يوق | medium | Standard | |
| 13 |
Parler TTS
Describe the voice you want in natural language and Parler generates matching speech.
880M
45000h
2024
|
3.83 /5 | تا ھازىرغىچە باھا بەرگۈچى يوق | medium | Standard | |
| 14 |
Tortoise TTS
Multi-voice text-to-speech focused on quality with autoregressive architecture.
400M
50000h
2022
|
3.7 /5 | تا ھازىرغىچە باھا بەرگۈچى يوق | slow | Premium | |
| 15 |
Bark
Transformer-based text-to-audio model that generates realistic speech, music, and sound effects.
350M
100000h
2023
|
3.57 /5 | تا ھازىرغىچە باھا بەرگۈچى يوق | slow | Standard | |
| 16 |
Bark Small
Lighter version of Bark with faster inference and lower memory usage.
150M
100000h
2023
|
— | تا ھازىرغىچە باھا بەرگۈچى يوق | medium | Standard | |
| 17 |
GPT-SoVITS
Few-shot voice cloning TTS that replicates any voice from just 5 seconds of audio.
200M
2024
|
— | تا ھازىرغىچە باھا بەرگۈچى يوق | slow | Standard | |
| 18 |
Qwen3 TTS
Alibaba's multilingual TTS with voice cloning, preset voices, and voice design from text.
1.7B
2025
|
— | تا ھازىرغىچە باھا بەرگۈچى يوق | medium | Standard |
تەپسىلىي سىناق نەتىجىسى
رەسمىي TTS.ai نىڭ نەتىجىسى تۆۋەندىكى ئۈچ ئۆلچەم بويىچە باھالىنىدۇ: تەبىئىيلىك، توغرىلىق ۋە تېزلىك.
Kokoro
Free
تەبىئىيلىك
4.8/5
توغرىلىق
4.7/5
تېزلىك
4.9/5
ئومۇمىي
4.8/5
CosyVoice 2
Standard
تەبىئىيلىك
4.5/5
توغرىلىق
4.4/5
تېزلىك
3.8/5
ئومۇمىي
4.26/5
Chatterbox
Premium
تەبىئىيلىك
4.7/5
توغرىلىق
4.5/5
تېزلىك
3.4/5
ئومۇمىي
4.25/5
StyleTTS 2
Premium
تەبىئىيلىك
4.5/5
توغرىلىق
4.3/5
تېزلىك
3.8/5
ئومۇمىي
4.23/5
Piper
Free
تەبىئىيلىك
3.5/5
توغرىلىق
4.2/5
تېزلىك
4.95/5
ئومۇمىي
4.15/5
MeloTTS
Free
تەبىئىيلىك
3.8/5
توغرىلىق
4.1/5
تېزلىك
4.6/5
ئومۇمىي
4.13/5
Dia TTS
Standard
تەبىئىيلىك
4.6/5
توغرىلىق
4.3/5
تېزلىك
3.2/5
ئومۇمىي
4.09/5
VITS
Free
تەبىئىيلىك
3.4/5
توغرىلىق
4.0/5
تېزلىك
4.8/5
ئومۇمىي
4.0/5
Orpheus
Standard
تەبىئىيلىك
4.3/5
توغرىلىق
4.1/5
تېزلىك
3.5/5
ئومۇمىي
4.0/5
OpenVoice
Premium
تەبىئىيلىك
4.0/5
توغرىلىق
4.1/5
تېزلىك
3.9/5
ئومۇمىي
4.0/5
IndexTTS-2
Standard
تەبىئىيلىك
4.3/5
توغرىلىق
4.1/5
تېزلىك
3.2/5
ئومۇمىي
3.91/5
Spark TTS
Standard
تەبىئىيلىك
4.2/5
توغرىلىق
4.0/5
تېزلىك
3.4/5
ئومۇمىي
3.9/5
Parler TTS
Standard
تەبىئىيلىك
4.1/5
توغرىلىق
3.9/5
تېزلىك
3.4/5
ئومۇمىي
3.83/5
Tortoise TTS
Premium
تەبىئىيلىك
4.6/5
توغرىلىق
4.4/5
تېزلىك
1.8/5
ئومۇمىي
3.7/5
Bark
Standard
تەبىئىيلىك
4.2/5
توغرىلىق
3.8/5
تېزلىك
2.5/5
ئومۇمىي
3.57/5
تەتقىقات ئۇسۇلى
سىناق سەپلەش
- يۇمشاق دېتال: 4x NVIDIA Tesla P40 (ھەر بىرى 24GB VRAM)، جەمئىي 96GB
- سىناق مەزمۇنى: ھەر خىل سۆزلىشىش ئۇسۇللىرىنى ئۆز ئىچىگە ئالغان 5 خىل ئۆلچەملىك قىسىم (ئېيتىلىش، مۇنازىرە، تېخنىكا، ھېسسىيات، كۆپ تىللىق)
- باھالاش: ئىنسانلارنىڭ ئاڭلاش سىناقلىرى بىلەن بىرلەشتۈرۈلگەن ئاپتوماتىك ئۆلچەم (MOS قىممىتى، WER، RTF)
- ئىجرا قىلىنغىنى: ھەر بىر مودېل بىر قېتىمدا 10 قېتىم سىنالغان، نومۇرلار ئوتتۇرىچە
نومۇرلاش ئۆلچەملىرى
- تەبىئىيلىك (%40): ئاۋاز، ئاۋازلىق، رىتىم، ھېسسىيات — بۇ قانداقمۇ ئىنسانىي ئاۋاز؟
- توغرىلىق (%30): ئىپادىلەش توغرىلىقى، سۆز خاتالىق نىسبىتى، چۈشىنىشلىكلىكى
- تېزلىك (%30): رېئال ۋاقىت فاكتورى (ئۇدۇس سېكۇنتى / ياساش سېكۇنتى). يۇقىرى = تېز.
- جەمئىي: ئېغىرلىقتىكى ئوتتۇرىچە: 0.4 x تەبىئىيلىك + 0.3 x توغرىلىق + 0.3 x تېزلىك
ئىزاھ: سىناق نەتىجىلىرى بىزنىڭ خاس قوراللىرىمىز ۋە سىناق تېكىستلىرىمىزدىكى نەتىجىنى كۆرسىتىدۇ. رېئال دۇنيادىكى سۈپەت كىرگۈزۈلگەن تېكىست، تىل ۋە ئاۋاز تاللاشىغا ئاساسەن ئۆزگىرىشچان بولۇشى مۇمكىن. جەمئىيەتنىڭ باھالىرى ھەر خىل رېئال ئىشلىتىشلەرگە ئاساسەن قوشۇمچە سىگنال بېرىدۇ.
كۆپ سورالغان سوئاللار
مۇكەممەل ئاۋازىڭىزنى تېپىڭ
Kokoro، Piper، VITS ياكى MeloTTS نىڭ ھەرقانداق بىر نۇسخىسىنى ھەقسىز سىناپ بېقىڭ. ھېسابات كېرەك ئەمەس.