GamiWays

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 — 29 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 1262Commercial (training framework open-sourced)
🥈
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)
🥉
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
4
API CloudMAJ

Eleven v4 / v4 Turbo

Eleven v4 (28 sept. 2026) — API $0.08/1k caractères, Turbo $0.04. Arena publique 17 oct. : v4 ELO 1329 (#2), Turbo 1330 (#1).

Sov. mediumLock-in medium
7.4
/10
Qualité×5
10
Latence×5
8
Clonage×5
10
Expressivité / direction de jeu×5
10
Souveraineté×5
2
Prix×5
2
150ms TTFAELO 1329Commercial
5
API CloudMAJ

Cartesia Sonic 3.6

Sonic 3.6 (27 août 2026) — 44 langues, plafond éditeur sous 90 ms. Arena publique 17 oct. : ELO 1285, rang 4.

Sov. lowLock-in medium
7.4
/10
Qualité×5
10
Latence×5
9
Clonage×5
8
Expressivité / direction de jeu×5
8
Souveraineté×5
4
Prix×5
5
90ms TTFAELO 1285Commercial
6
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)
7
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
8
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
9
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 1087Open weights (Mistral license)
10
API Cloud

StepAudio 2.5 TTS

Contextual TTS — ELO AA V2 Free 1210 (5 octobre ; rang non publié), 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 1214Proprietary (StepFun / 阶跃星辰)
11
API CloudNouveau

MiniMax Speech 2.8

Sound tags natifs — Speech 2.8 HD ELO 1173 (rang 22). Tarif d’entrée Turbo $60/1M, HD arena $100/1M.

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 1173Commercial
12
API CloudNouveau

Gradium TTS

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

6.7
/10
Qualité×5
7
Latence×5
7
Clonage×5
8
Expressivité / direction de jeu×5
3
Souveraineté×5
6
Prix×5
9
216ms TTFAELO 1174Commercial
13
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
14
API CloudMAJ

Fish Audio S2.1 Pro

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

Sov. highLock-in low
6.6
/10
Qualité×5
6
Latence×5
6
Clonage×5
8
Expressivité / direction de jeu×5
7
Souveraineté×5
4
Prix×5
7
200ms TTFAELO 1190Commercial
15
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 TTFAELO 1275Commercial
16
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 1025MIT
17
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
18
API CloudNouveau

HeyGen Voice 1

Nouveau — TTS maison HeyGen, octobre 2026. Arena Controlled Voice, pas l’arena vocale principale.

6.3
/10
Qualité×5
9
Latence×5
4
Clonage×5
9
Expressivité / direction de jeu×5
7
Souveraineté×5
1
Prix×5
6
0ms TTFAELO 1196Commercial
19
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 TTFAELO 1248Commercial
20
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)
21
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
22
API CloudMAJ

Hume AI Octave 2

Emotional TTS / speech-to-speech — API retirement announced for 13 Nov. 2026

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 1051Commercial
23
Open Source

Kokoro 82M v1.0

Open-weight TTS — ELO public 1061, rang 56 (17 octobre), 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 1061Apache 2.0
24
API CloudNouveau

Fish Audio Drama 3

Preview — diriger l’interprétation dans le texte. Ni prix ni temps au premier audio publiés.

5.3
/10
Qualité×5
6
Latence×5
4
Clonage×5
7
Expressivité / direction de jeu×5
9
Souveraineté×5
2
Prix×5
4
0ms TTFACommercial
25
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 TTFAELO 1053Commercial
26
API CloudNouveau

Gemini 3.8 Live Extended Thinking

Dialogue live à raisonnement parallèle (15 sept. 2026). Les indices sont des chiffres Google. Pas de milliseconde publiée.

4.7
/10
Qualité×5
7
Latence×5
4
Clonage×5
1
Expressivité / direction de jeu×5
5
Souveraineté×5
2
Prix×5
5
0ms TTFACommercial
27
API CloudMAJ

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

GPT-Live-1 parle, GPT-5.5 raisonne derrière. API au 10 sept. à 0,05 $/min pour la voix, plus le modèle. Scores The Batch contre AVM seulement.

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 1079Commercial
28
API CloudNouveau

Gemini 3.8 Live

Dialogue live (15 sept. 2026) — 97 langues, outils en arrière-plan. Pas un TTS de cascade. Pas de milliseconde publiée.

4.6
/10
Qualité×5
6
Latence×5
4
Clonage×5
1
Expressivité / direction de jeu×5
5
Souveraineté×5
2
Prix×5
5
0ms TTFACommercial
29
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

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.