GamiWays

Rechercher dans GamiWays

Trouvez les entités, personnes, produits, services, thèmes, questions et enjeux du portail.

ENFR

Classement personnalisé des outils Voice

Pondérez les critères selon votre contexte et obtenez un classement dynamique TTS / STT.

Profils prédéfinis

Pondération des critères

0–10
Qualité vocale5
Latence (TTFA)5
Clonage vocal5
Expressivité / direction de jeu5
Souveraineté données5
Coût / Prix5
Multilingue5

Chaque critère est noté de 0 à 10. Un poids de 0 exclut le critère du calcul. Le score final est la moyenne pondérée.

Classement TTS — 25 outils

Trié par score pondéré
🥇
API CloudMAJ

Inworld Realtime TTS-2 + Flash

TTS conversationnel disponible : direction libre, contexte audio, non-verbaux et variante Flash à faible délai serveur

Sov. mediumLock-in medium
8.4
/10
Qualité×5
9
Latence×5
8
Clonage×5
9
Expressivité / direction de jeu×5
10
Souveraineté×5
6
Prix×5
7
100ms TTFAELO 1198Commercial (training framework open-sourced)
Fiche →
🥈
Open Source

Miso-TTS v1 (8B)

110ms latency — most emotive open-source TTS with RVQ architecture

8.3
/10
Qualité×5
9
Latence×5
9
Clonage×5
9
Expressivité / direction de jeu×5
10
Souveraineté×5
10
Prix×5
10
110ms TTFAModified MIT (open-source weights on Hugging Face)
Fiche →
🥉
Open Source

Orpheus 3B

LLM-based TTS — ultra-natural speech with emotion tags and non-verbals

Sov. highLock-in low
7.9
/10
Qualité×5
8
Latence×5
6
Clonage×5
7
Expressivité / direction de jeu×5
9
Souveraineté×5
10
Prix×5
10
200ms TTFAApache 2.0
Fiche →
4
API CloudMAJ

Eleven v4 / v4 Turbo

Eleven v4 (28 sept. 2026) — 90+ langues, tags audio et Turbo ~150 ms premier son (éditeur). v3 reste le repère ELO d’août.

Sov. mediumLock-in medium
7.1
/10
Qualité×5
8
Latence×5
8
Clonage×5
10
Expressivité / direction de jeu×5
10
Souveraineté×5
2
Prix×5
2
150ms TTFAELO 1177Commercial
Fiche →
5
Open Source

Sesame CSM

Conversational Speech Model — crosses the uncanny valley of voice

Sov. highLock-in low
7.1
/10
Qualité×5
9
Latence×5
3
Clonage×5
7
Expressivité / direction de jeu×5
10
Souveraineté×5
10
Prix×5
10
400ms TTFAApache 2.0 (research)
Fiche →
6
Open Source

Dia (Nari Labs)

Ultra-realistic dialogue generation — multi-speaker, emotion, non-verbals

Sov. highLock-in low
7.0
/10
Qualité×5
8
Latence×5
4
Clonage×5
7
Expressivité / direction de jeu×5
9
Souveraineté×5
10
Prix×5
10
300ms TTFAApache 2.0
Fiche →
7
Open Source

Kyutai TTS 1.6B

Delayed streams modeling — streaming-native, timestamps, batching

Sov. highLock-in low
7.0
/10
Qualité×5
7
Latence×5
8
Clonage×5
6
Expressivité / direction de jeu×5
6
Souveraineté×5
10
Prix×5
10
100ms TTFACC-BY 4.0
Fiche →
8
Open SourceMAJ

Voxtral TTS (Mistral)

Open-weights TTS from Mistral — fast, adaptable, 9 languages (Mar 2026)

Sov. highLock-in low
7.0
/10
Qualité×5
4
Latence×5
8
Clonage×5
7
Expressivité / direction de jeu×5
6
Souveraineté×5
9
Prix×5
9
150ms TTFAELO 1081Open weights (Mistral license)
Fiche →
9
API Cloud

StepAudio 2.5 TTS

Contextual TTS — ELO 1187, dual-level context control, zero-shot voice cloning in 3 sec

7.0
/10
Qualité×5
9
Latence×5
6
Clonage×5
9
Expressivité / direction de jeu×5
10
Souveraineté×5
1
Prix×5
5
200ms TTFAELO 1205Proprietary (StepFun / 阶跃星辰)
Fiche →
10
API CloudNouveau

MiniMax Speech 2.8

Sound tags natifs — $0.10/1M chars, 17 langues, clonage vocal instant

7.0
/10
Qualité×5
8
Latence×5
6
Clonage×5
8
Expressivité / direction de jeu×5
9
Souveraineté×5
1
Prix×5
10
200ms TTFAELO 1175Commercial
Fiche →
11
API CloudNouveau

xAI Grok TTS

TTS naturel et expressif — #3 Humanness Index Vapi (93/100), 460ms TTFA, 5 voix, 20 langues, $15/1M chars

6.7
/10
Qualité×5
8
Latence×5
8
Clonage×5
7
Expressivité / direction de jeu×5
8
Souveraineté×5
2
Prix×5
7
285ms TTFACommercial
Fiche →
12
API CloudMAJ

Cartesia Sonic 3.6

Sonic 3.6 (27 août 2026) — 44 langues, plafond éditeur sous 90 ms. ELO fiche = snapshot du 18 août.

Sov. lowLock-in medium
6.6
/10
Qualité×5
4
Latence×5
9
Clonage×5
8
Expressivité / direction de jeu×5
8
Souveraineté×5
4
Prix×5
5
90ms TTFAELO 1072Commercial
Fiche →
13
API CloudNouveau

Gemini 3.8 Flash TTS

Nouveau — design de voix et acting ligne à ligne, 130 langues. Pas de TTFA publié.

6.4
/10
Qualité×5
8
Latence×5
4
Clonage×5
7
Expressivité / direction de jeu×5
9
Souveraineté×5
2
Prix×5
5
0ms TTFACommercial
Fiche →
14
Open Source

Chatterbox (Resemble AI)

MIT license — beats ElevenLabs in blind tests (63.75% preference)

Sov. highLock-in low
6.4
/10
Qualité×5
2
Latence×5
7
Clonage×5
8
Expressivité / direction de jeu×5
8
Souveraineté×5
10
Prix×5
9
150ms TTFAELO 1021MIT
Fiche →
15
API Cloud

Smallest.ai Lightning V3.1

Full voice pipeline (TTS + STT + LLM + S2S) — sub-100ms, 15+ languages

6.4
/10
Qualité×5
2
Latence×5
9
Clonage×5
7
Expressivité / direction de jeu×5
6
Souveraineté×5
6
Prix×5
8
100ms TTFAELO 1024Commercial
Fiche →
16
API CloudNouveau

Gradium TTS

TTS streaming français avec précision de prononciation structurée et résidence UE activable

6.4
/10
Qualité×5
5
Latence×5
7
Clonage×5
8
Expressivité / direction de jeu×5
3
Souveraineté×5
6
Prix×5
9
216ms TTFAELO 1096Commercial
Fiche →
17
API CloudNouveau

Gemini 3.8 Flash-Lite TTS

Nouveau — variante débit et agents en cascade, 101 langues. Pas de TTFA publié.

6.1
/10
Qualité×5
7
Latence×5
5
Clonage×5
6
Expressivité / direction de jeu×5
8
Souveraineté×5
2
Prix×5
6
0ms TTFACommercial
Fiche →
18
API Cloud

Fish Audio OpenAudio S1

Pay-as-you-go voice cloning — 70% cheaper than ElevenLabs

Sov. highLock-in low
6.1
/10
Qualité×5
6
Latence×5
6
Clonage×5
8
Expressivité / direction de jeu×5
7
Souveraineté×5
4
Prix×5
7
200ms TTFAELO 1124Commercial
Fiche →
19
Open Source

Ultravox v0.5

Speech-to-speech model — ~100ms latency, no ASR/TTS pipeline needed

Sov. highLock-in low
6.1
/10
Qualité×5
7
Latence×5
10
Clonage×5
1
Expressivité / direction de jeu×5
6
Souveraineté×5
7
Prix×5
7
100ms TTFACommercial API (CC-BY-NC-4.0 weights)
Fiche →
20
Open Source

Moshi (Kyutai)

Full-duplex spoken dialogue — simultaneous listening and speaking

Sov. highLock-in low
6.1
/10
Qualité×5
7
Latence×5
8
Clonage×5
1
Expressivité / direction de jeu×5
6
Souveraineté×5
10
Prix×5
10
200ms TTFACC-BY 4.0
Fiche →
21
API Cloud

Hume AI Octave 2

LLM-based emotional TTS — natural language emotion control

Sov. lowLock-in high
5.9
/10
Qualité×5
3
Latence×5
8
Clonage×5
6
Expressivité / direction de jeu×5
10
Souveraineté×5
2
Prix×5
8
100ms TTFAELO 1057Commercial
Fiche →
22
Open Source

Kokoro 82M v1.0

Highest-ranked open-weight TTS — ELO 1059, 82M params, Apache 2.0

Sov. highLock-in low
5.7
/10
Qualité×5
3
Latence×5
9
Clonage×5
1
Expressivité / direction de jeu×5
5
Souveraineté×5
10
Prix×5
10
60ms TTFAELO 1059Apache 2.0
Fiche →
23
API CloudNouveau

Deepgram Flux TTS

Nouveau — TTS conversationnel natif : 80ms premier audio (éditeur), contexte inter-tours, WebSocket + REST

Sov. mediumLock-in high
5.1
/10
Qualité×5
7
Latence×5
9
Clonage×5
1
Expressivité / direction de jeu×5
8
Souveraineté×5
6
Prix×5
4
80ms TTFACommercial
Fiche →
24
API CloudMAJ

OpenAI Realtime (gpt-realtime-2.1) + GPT-Live-1

2.1 : interruptions et bruit annoncés améliorés. GPT-Live-1 (10 sept.) : full-duplex à 0,05 $/min, plus le modèle derrière.

Sov. lowLock-in high
4.7
/10
Qualité×5
4
Latence×5
6
Clonage×5
1
Expressivité / direction de jeu×5
8
Souveraineté×5
2
Prix×5
3
300ms TTFAELO 1070Commercial
Fiche →
25
API CloudMAJ

Deepgram Aura 2

Aura 2 baseline — Coval: 327ms median TTFA, 5.1% WER (12 Aug 2026)

Sov. mediumLock-in medium
4.4
/10
Qualité×5
6
Latence×5
9
Clonage×5
1
Expressivité / direction de jeu×5
4
Souveraineté×5
3
Prix×5
7
80ms TTFACommercial
Fiche →

Méthodologie : Les scores bruts (1–10) sont issus de benchmarks publics (Artificial Analysis ELO, WER Koenecke, TTFA mesurés). La pondération est appliquée via une moyenne pondérée. Les badges souveraineté et lock-in proviennent de l'analyse stratégique GamiWays.