# La voix : transcription et synthèse vocale

QUELLE IA, https://quelleia.com/voix/, relevé du 19 octobre 2026 (édition 2026-W43). Classements à part du score des modèles de langage : chaque tableau vient d'une seule source, dans son unité, sans score combiné. Méthode : https://quelleia.com/demarche/#voix.

## Les modèles d'éditeurs français mesurés

- [Solaria-1](https://quelleia.com/voix/modeles/solaria-1/) (Gladia) : 30e sur 51, transcription en anglais, indice AA-WER (4,07 %)
- [Solaria-3](https://quelleia.com/voix/modeles/solaria-3/) (Gladia) : 15e sur 51, transcription en anglais, indice AA-WER (3,23 %) ; 22e sur 53, transcription en anglais, Open ASR (5,99 %)
- [Gradium Speech-to-Text](https://quelleia.com/voix/modeles/gradium-speech-to-text/) (Gradium) : 49e sur 51, transcription en anglais, indice AA-WER (6,79 %)
- [Gradium TTS (Aug 2026)](https://quelleia.com/voix/modeles/gradium-tts-aug-2026/) (Gradium) : 10e sur 31, synthèse vocale en français (1 199) ; 25e sur 96, synthèse vocale en anglais, Artificial Analysis (1 152)
- [Gradium TTS (pre-2026.08)](https://quelleia.com/voix/modeles/gradium-tts-pre-2026-08/) (Gradium) : 10e sur 38, synthèse vocale en anglais, TTS Arena (1 520)
- [Gradium TTS (Sep 2026)](https://quelleia.com/voix/modeles/gradium-tts-sep-2026/) (Gradium) : 7e sur 31, synthèse vocale en français (1 239) ; 21e sur 96, synthèse vocale en anglais, Artificial Analysis (1 174)
- [Pocket TTS](https://quelleia.com/voix/modeles/pocket-tts/) (Kyutai) : 11e sur 16, prononciation du français (7,74 %)
- [Voxtral Mini](https://quelleia.com/voix/modeles/voxtral-mini/) (Mistral AI) : 22e sur 39, transcription en français (5,96 %) ; 38e sur 53, transcription en anglais, Open ASR (7,25 %)
- [Voxtral Mini 4B Realtime](https://quelleia.com/voix/modeles/voxtral-mini-4b-realtime/) (Mistral AI) : 30e sur 39, transcription en français (7,78 %) ; 46e sur 53, transcription en anglais, Open ASR (8,44 %)
- [Voxtral Mini Transcribe 2](https://quelleia.com/voix/modeles/voxtral-mini-transcribe-2/) (Mistral AI) : 23e sur 51, transcription en anglais, indice AA-WER (3,59 %)
- [Voxtral Small](https://quelleia.com/voix/modeles/voxtral-small/) (Mistral AI) : 9e sur 39, transcription en français (4,11 %) ; 9e sur 51, transcription en anglais, indice AA-WER (2,77 %) ; 29e sur 53, transcription en anglais, Open ASR (6,38 %)
- [Voxtral TTS](https://quelleia.com/voix/modeles/voxtral-tts/) (Mistral AI) : 23e sur 31, synthèse vocale en français (1 064) ; 14e sur 16, prononciation du français (13,42 %) ; 45e sur 96, synthèse vocale en anglais, Artificial Analysis (1 089)

## Transcription en français

azure-speech-07-2026 (Microsoft) arrive premier avec un taux d'erreur par mot de 3,14 %, sur 39 modèles (Open ASR Leaderboard, relevé du 19 octobre 2026, version du 17 octobre 2026). Mesure : taux d'erreur par mot en français, moyenne de trois jeux de parole lue (FLEURS, Common Voice, MLS). Taux d'erreur par mot : la part des mots mal transcrits. Plus il est bas, mieux c'est.

Source : Open ASR Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_asr_leaderboard (relevé du 19 octobre 2026, version du 17 octobre 2026).

| Rang | Modèle | Éditeur | Taux d'erreur | FLEURS | Common Voice | MLS |
| --- | --- | --- | --- | --- | --- | --- |
| 1 | [azure-speech-07-2026](https://quelleia.com/voix/modeles/microsoft-azure-speech-07-2026/) | Microsoft | 3,14 % | 2,48 % | 4,32 % | 2,62 % |
| 2 | [azure-speech-06-2026](https://quelleia.com/voix/modeles/microsoft-azure-speech-06-2026/) | Microsoft | 3,27 % | 2,78 % | 4,28 % | 2,75 % |
| 3 | [Scribe v2](https://quelleia.com/voix/modeles/scribe-v2/) | ElevenLabs | 3,29 % | 2,93 % | 4,40 % | 2,53 % |
| 4 | [Hojo-ASR-Multi-V1](https://quelleia.com/voix/modeles/hojo-asr-multi-v1/) | HojoAi | 3,57 % | 3,26 % | 4,50 % | 2,95 % |
| 5 | [Universal-3 Pro](https://quelleia.com/voix/modeles/universal-3-pro/) | AssemblyAI | 3,82 % | 2,84 % | 6,30 % | 2,33 % |
| 6 | [Symphony](https://quelleia.com/voix/modeles/sprag-symphony/) | Sprag | 3,92 % | 3,33 % | 5,61 % | 2,81 % |
| 6 | [Universal-3.5 Pro](https://quelleia.com/voix/modeles/assemblyai-universal-3-5-pro/) | AssemblyAI | 3,92 % | 2,82 % | 6,47 % | 2,47 % |
| 8 | [Cohere Transcribe](https://quelleia.com/voix/modeles/cohere-transcribe/) | Cohere | 4,02 % | 4,33 % | 5,28 % | 2,44 % |
| 9 | [Resonant-1](https://quelleia.com/voix/modeles/resonant-1/) | Reson8 | 4,11 % | 3,61 % | 5,81 % | 2,92 % |
| 9 | [Resonant-1-flash](https://quelleia.com/voix/modeles/resonant-1-flash/) | Reson8 | 4,11 % | 3,61 % | 5,81 % | 2,92 % |
| 9 | [Voxtral Small](https://quelleia.com/voix/modeles/voxtral-small/) | Mistral AI | 4,11 % | 3,61 % | 5,50 % | 3,22 % |
| 12 | [multilingual](https://quelleia.com/voix/modeles/modulate-multilingual/) | Modulate | 4,14 % | 4,71 % | 5,27 % | 2,45 % |
| 13 | [TheWhisper-Large-V3-Turbo](https://quelleia.com/voix/modeles/thestageai-thewhisper-large-v3-turbo/) | TheStage AI | 4,41 % | 4,18 % | 5,83 % | 3,23 % |
| 14 | [Canary 1B v2](https://quelleia.com/voix/modeles/nvidia-canary-1b-v2/) | NVIDIA | 4,79 % | 4,35 % | 6,58 % | 3,45 % |
| 15 | [GPT Transcribe](https://quelleia.com/voix/modeles/gpt-transcribe/) | OpenAI | 4,82 % | 3,45 % | 6,97 % | 4,05 % |
| 16 | [Speechmatics Enhanced](https://quelleia.com/voix/modeles/speechmatics-enhanced/) | Speechmatics | 4,89 % | 4,37 % | 5,70 % | 4,61 % |
| 17 | [Phi-4-multimodal-instruct](https://quelleia.com/voix/modeles/microsoft-phi-4-multimodal-instruct/) | Microsoft | 5,04 % | 4,08 % | 6,89 % | 4,14 % |
| 18 | [omniASR-LLM-7B-v2](https://quelleia.com/voix/modeles/meta-omniasr-llm-7b-v2/) | Meta | 5,25 % | 5,19 % | 7,26 % | 3,30 % |
| 19 | [Parakeet TDT 0.6B V3](https://quelleia.com/voix/modeles/nvidia-parakeet-tdt-0-6b-v3/) | NVIDIA | 5,30 % | 4,67 % | 6,23 % | 5,01 % |
| 20 | [Granite-Speech-4.1-2B-NAR](https://quelleia.com/voix/modeles/ibm-granite-speech-4-1-2b-nar/) | IBM | 5,40 % | 6,24 % | 6,38 % | 3,58 % |
| 21 | [Qwen3-ASR-1.7B-hf](https://quelleia.com/voix/modeles/alibaba-qwen3-asr-1-7b-hf/) | Alibaba | 5,68 % | 4,06 % | 7,84 % | 5,15 % |
| 22 | [Voxtral Mini](https://quelleia.com/voix/modeles/voxtral-mini/) | Mistral AI | 5,96 % | 4,13 % | 7,80 % | 5,96 % |
| 23 | [Soniox v5 Async](https://quelleia.com/voix/modeles/soniox-v5-async/) | Soniox | 6,21 % | 4,24 % | 9,84 % | 4,55 % |
| 24 | [Whisper Large v3](https://quelleia.com/voix/modeles/whisper-large-v3/) | OpenAI | 6,24 % | 4,84 % | 9,97 % | 3,90 % |
| 25 | [Whisper Large v3 Turbo](https://quelleia.com/voix/modeles/whisper-large-v3-turbo/) | OpenAI | 6,73 % | 4,90 % | 11,06 % | 4,22 % |
| 26 | [muse-voice-transcribe](https://quelleia.com/voix/modeles/meta-muse-voice-transcribe/) | Meta | 6,81 % | 5,94 % | 9,41 % | 5,09 % |
| 27 | [omniASR-LLM-3B-v2](https://quelleia.com/voix/modeles/meta-omniasr-llm-3b-v2/) | Meta | 6,92 % | 6,82 % | 9,65 % | 4,28 % |
| 28 | [omniASR-LLM-1B-v2](https://quelleia.com/voix/modeles/meta-omniasr-llm-1b-v2/) | Meta | 7,00 % | 7,35 % | 9,18 % | 4,47 % |
| 29 | [omniASR-CTC-7B-v2](https://quelleia.com/voix/modeles/meta-omniasr-ctc-7b-v2/) | Meta | 7,57 % | 7,65 % | 10,12 % | 4,94 % |
| 30 | [Voxtral Mini 4B Realtime](https://quelleia.com/voix/modeles/voxtral-mini-4b-realtime/) | Mistral AI | 7,78 % | 8,19 % | 9,57 % | 5,59 % |
| 31 | [omniASR-CTC-3B-v2](https://quelleia.com/voix/modeles/meta-omniasr-ctc-3b-v2/) | Meta | 8,12 % | 8,31 % | 10,84 % | 5,20 % |
| 32 | [Qwen3-ASR-0.6B-hf](https://quelleia.com/voix/modeles/alibaba-qwen3-asr-0-6b-hf/) | Alibaba | 8,76 % | 7,06 % | 10,78 % | 8,44 % |
| 33 | [Nemotron 3.5 ASR](https://quelleia.com/voix/modeles/nvidia-nemotron-3-5-asr-streaming-0-6b/) | NVIDIA | 9,40 % | 9,86 % | 10,97 % | 7,36 % |
| 34 | [omniASR-LLM-300M-v2](https://quelleia.com/voix/modeles/meta-omniasr-llm-300m-v2/) | Meta | 10,02 % | 11,21 % | 12,07 % | 6,78 % |
| 35 | [omniASR-CTC-1B-v2](https://quelleia.com/voix/modeles/meta-omniasr-ctc-1b-v2/) | Meta | 10,29 % | 10,71 % | 13,30 % | 6,87 % |
| 36 | [Gemma 4 E4B](https://quelleia.com/voix/modeles/google-gemma-4-e4b-it/) | Google | 10,31 % | 7,42 % | 13,99 % | 9,53 % |
| 37 | [MOSS-Transcribe-Diarize](https://quelleia.com/voix/modeles/openmoss-team-moss-transcribe-diarize/) | OpenMOSS | 10,66 % | 8,53 % | 15,19 % | 8,27 % |
| 38 | [VibeVoice-ASR-HF](https://quelleia.com/voix/modeles/microsoft-vibevoice-asr-hf/) | Microsoft | 14,04 % | 11,30 % | 23,85 % | 6,96 % |
| 39 | [omniASR-CTC-300M-v2](https://quelleia.com/voix/modeles/meta-omniasr-ctc-300m-v2/) | Meta | 18,59 % | 21,08 % | 21,89 % | 12,79 % |

## Transcription en anglais, indice AA-WER

Fun-Realtime-ASR-preview (Alibaba) arrive premier avec un taux d'erreur par mot de 1,73 %, sur 51 modèles (Artificial Analysis, relevé du 19 octobre 2026). Mesure : taux d'erreur par mot en anglais, indice AA-WER : moyenne pondérée de leur jeu privé d'agents vocaux AA-AgentTalk (50 %), de VoxPopuli (25 %) et d'Earnings22 (25 %). Taux d'erreur par mot : la part des mots mal transcrits. Plus il est bas, mieux c'est.

Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-text/non-streaming (relevé du 19 octobre 2026).

| Rang | Modèle | Éditeur | Taux d'erreur |
| --- | --- | --- | --- |
| 1 | [Fun-Realtime-ASR-preview](https://quelleia.com/voix/modeles/alibaba-fun-realtime-asr-preview/) | Alibaba | 1,73 % |
| 2 | [MAI-Transcribe-2](https://quelleia.com/voix/modeles/microsoft-mai-transcribe-2/) | Microsoft | 2,04 % |
| 3 | [Scribe v2](https://quelleia.com/voix/modeles/scribe-v2/) | ElevenLabs | 2,18 % |
| 4 | [Grok Voice Transcribe 2.0](https://quelleia.com/voix/modeles/spacexai-grok-voice-transcribe-2-0/) | SpaceXSI | 2,29 % |
| 5 | [MAI-Transcribe-1.5](https://quelleia.com/voix/modeles/microsoft-mai-transcribe-1-5/) | Microsoft | 2,38 % |
| 6 | [StepAudio 3 ASR](https://quelleia.com/voix/modeles/stepaudio-3-asr/) | StepFun | 2,50 % |
| 7 | [Gemini 3.5 Transcribe](https://quelleia.com/voix/modeles/google-gemini-3-5-transcribe/) | Google | 2,60 % |
| 8 | [Zoom Scribe V2 Pro](https://quelleia.com/voix/modeles/zoom-scribe-v2-pro/) | Zoom | 2,75 % |
| 9 | [Voxtral Small](https://quelleia.com/voix/modeles/voxtral-small/) | Mistral AI | 2,77 % |
| 10 | [Gemini 3.1 Pro Preview (High)](https://quelleia.com/voix/modeles/google-gemini-3-1-pro-preview-high/) | Google | 2,82 % |
| 11 | [Gemini 2.5 Pro](https://quelleia.com/voix/modeles/google-gemini-2-5-pro/) | Google | 2,86 % |
| 12 | [Gemini 3 Flash (High)](https://quelleia.com/voix/modeles/google-gemini-3-flash-high/) | Google | 2,93 % |
| 13 | [Universal-3.5 Pro](https://quelleia.com/voix/modeles/assemblyai-universal-3-5-pro/) | AssemblyAI | 2,99 % |
| 14 | [Universal-3 Pro](https://quelleia.com/voix/modeles/universal-3-pro/) | AssemblyAI | 3,12 % |
| 15 | [Solaria-3](https://quelleia.com/voix/modeles/solaria-3/) | Gladia | 3,23 % |
| 16 | [GPT Transcribe](https://quelleia.com/voix/modeles/gpt-transcribe/) | OpenAI | 3,31 % |
| 17 | [Smallest AI Pulse](https://quelleia.com/voix/modeles/smallest-ai-pulse/) | Smallest AI | 3,33 % |
| 18 | [Resonant-1](https://quelleia.com/voix/modeles/resonant-1/) | Reson8 | 3,39 % |
| 19 | [Smallest AI Pulse Pro](https://quelleia.com/voix/modeles/smallest-ai-pulse-pro/) | Smallest AI | 3,41 % |
| 20 | [Gemini 3.1 Flash-Lite Preview (Minimal)](https://quelleia.com/voix/modeles/google-gemini-3-1-flash-lite-preview-minimal/) | Google | 3,43 % |
| 21 | [Qwen3.5 Omni Plus](https://quelleia.com/voix/modeles/alibaba-qwen3-5-omni-plus/) | Alibaba | 3,55 % |
| 22 | [Gemini 3.1 Pro Preview (Low)](https://quelleia.com/voix/modeles/google-gemini-3-1-pro-preview-low/) | Google | 3,58 % |
| 23 | [Voxtral Mini Transcribe 2](https://quelleia.com/voix/modeles/voxtral-mini-transcribe-2/) | Mistral AI | 3,59 % |
| 24 | [Soniox v5 Async](https://quelleia.com/voix/modeles/soniox-v5-async/) | Soniox | 3,81 % |
| 25 | [Universal](https://quelleia.com/voix/modeles/assemblyai-universal/) | AssemblyAI | 3,82 % |
| 26 | [Inworld STT 1](https://quelleia.com/voix/modeles/inworld-stt-1/) | Inworld AI | 3,93 % |
| 27 | [GPT-4o Transcribe](https://quelleia.com/voix/modeles/openai-gpt-4o-transcribe/) | OpenAI | 3,96 % |
| 28 | [Speechmatics Enhanced](https://quelleia.com/voix/modeles/speechmatics-enhanced/) | Speechmatics | 4,05 % |
| 29 | [Whisper Large v2](https://quelleia.com/voix/modeles/openai-whisper-large-v2/) | OpenAI | 4,06 % |
| 30 | [Solaria-1](https://quelleia.com/voix/modeles/solaria-1/) | Gladia | 4,07 % |
| 30 | [Whisper Large v3](https://quelleia.com/voix/modeles/whisper-large-v3/) | OpenAI | 4,07 % |
| 32 | [Amazon Transcribe](https://quelleia.com/voix/modeles/amazon-transcribe/) | Amazon | 4,12 % |
| 33 | [Modulate STT Batch English VFast](https://quelleia.com/voix/modeles/modulate-stt-batch-english-vfast/) | Modulate | 4,23 % |
| 34 | [Canary Qwen 2.5B](https://quelleia.com/voix/modeles/canary-qwen-2-5b/) | NVIDIA | 4,27 % |
| 35 | [Chirp 3](https://quelleia.com/voix/modeles/google-chirp-3/) | Google | 4,32 % |
| 36 | [GPT-4o Mini Transcribe](https://quelleia.com/voix/modeles/openai-gpt-4o-mini-transcribe/) | OpenAI | 4,47 % |
| 37 | [Cohere Transcribe](https://quelleia.com/voix/modeles/cohere-transcribe/) | Cohere | 4,57 % |
| 38 | [Whisper Large v3 Turbo](https://quelleia.com/voix/modeles/whisper-large-v3-turbo/) | OpenAI | 4,62 % |
| 39 | [StepAudio 2.5 ASR](https://quelleia.com/voix/modeles/stepaudio-2-5-asr/) | StepFun | 4,67 % |
| 40 | [Nova 2 Pro](https://quelleia.com/voix/modeles/amazon-nova-2-pro/) | Amazon | 4,86 % |
| 41 | [Melia](https://quelleia.com/voix/modeles/speechmatics-melia/) | Speechmatics | 4,87 % |
| 42 | [Speechmatics Standard](https://quelleia.com/voix/modeles/speechmatics-standard/) | Speechmatics | 5,12 % |
| 43 | [Gemini 2.5 Flash](https://quelleia.com/voix/modeles/google-gemini-2-5-flash/) | Google | 5,14 % |
| 44 | [Gemini 2.5 Lite](https://quelleia.com/voix/modeles/google-gemini-2-5-lite/) | Google | 5,17 % |
| 45 | [Nova-3](https://quelleia.com/voix/modeles/deepgram-nova-3/) | Deepgram | 5,18 % |
| 46 | [Parakeet RNNT 1.1B](https://quelleia.com/voix/modeles/nvidia-parakeet-rnnt-1-1b/) | NVIDIA | 5,42 % |
| 47 | [Rev AI](https://quelleia.com/voix/modeles/rev-ai/) | Rev | 5,92 % |
| 48 | [Parakeet TDT 0.6B V2](https://quelleia.com/voix/modeles/parakeet-tdt-0-6b-v2/) | NVIDIA | 6,43 % |
| 49 | [Gradium Speech-to-Text](https://quelleia.com/voix/modeles/gradium-speech-to-text/) | Gradium | 6,79 % |
| 50 | [Qwen3.5 Omni Flash](https://quelleia.com/voix/modeles/alibaba-qwen3-5-omni-flash/) | Alibaba | 13,52 % |
| 51 | [Cloud Speech-To-Text (Chirp)](https://quelleia.com/voix/modeles/google-cloud-speech-to-text-chirp/) | Google | 31,21 % |

## Transcription en anglais, Open ASR

speech-v3.1 (Otter.ai) arrive premier avec un taux d'erreur par mot de 4,55 %, sur 53 modèles (Open ASR Leaderboard, relevé du 19 octobre 2026, version du 17 octobre 2026). Mesure : taux d'erreur par mot en anglais, moyenne de onze jeux dont deux privés (réunions, appels, discours, livres audio, bruit). Taux d'erreur par mot : la part des mots mal transcrits. Plus il est bas, mieux c'est.

Source : Open ASR Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_asr_leaderboard (relevé du 19 octobre 2026, version du 17 octobre 2026).

| Rang | Modèle | Éditeur | Taux d'erreur |
| --- | --- | --- | --- |
| 1 | [speech-v3.1](https://quelleia.com/voix/modeles/otterai-speech-v3-1/) | Otter.ai | 4,55 % |
| 2 | [Zoom Scribe V2 Pro](https://quelleia.com/voix/modeles/zoom-scribe-v2-pro/) | Zoom | 4,70 % |
| 3 | [azure-speech-07-2026](https://quelleia.com/voix/modeles/microsoft-azure-speech-07-2026/) | Microsoft | 5,02 % |
| 4 | [multilingual](https://quelleia.com/voix/modeles/modulate-multilingual/) | Modulate | 5,06 % |
| 5 | [Resonant-1](https://quelleia.com/voix/modeles/resonant-1/) | Reson8 | 5,21 % |
| 6 | [Sophea ASR K1](https://quelleia.com/voix/modeles/sophea-asr-k1/) | Sophea AI | 5,23 % |
| 7 | [Scribe v2](https://quelleia.com/voix/modeles/scribe-v2/) | ElevenLabs | 5,24 % |
| 8 | [Universal-3.5 Pro](https://quelleia.com/voix/modeles/assemblyai-universal-3-5-pro/) | AssemblyAI | 5,39 % |
| 9 | [Qwen3-ASR-1.7B-hf](https://quelleia.com/voix/modeles/alibaba-qwen3-asr-1-7b-hf/) | Alibaba | 5,40 % |
| 10 | [Smallest AI Pulse](https://quelleia.com/voix/modeles/smallest-ai-pulse/) | Smallest AI | 5,71 % |
| 11 | [Cohere Transcribe](https://quelleia.com/voix/modeles/cohere-transcribe/) | Cohere | 5,77 % |
| 12 | [Symphony](https://quelleia.com/voix/modeles/sprag-symphony/) | Sprag | 5,84 % |
| 13 | [Hojo-ASR-V1](https://quelleia.com/voix/modeles/hojo-asr-v1/) | HojoAi | 5,85 % |
| 14 | [TheWhisper-Large-V3-Turbo](https://quelleia.com/voix/modeles/thestageai-thewhisper-large-v3-turbo/) | TheStage AI | 5,91 % |
| 15 | [ARK-ASR-3B](https://quelleia.com/voix/modeles/edge0-ark-asr-3b/) | Edge0 | 5,92 % |
| 15 | [Higgs Audio v3 STT](https://quelleia.com/voix/modeles/boson-ai-higgs-audio-v3-stt/) | Boson AI | 5,92 % |
| 17 | [ARK-ASR-0.6B](https://quelleia.com/voix/modeles/edge0-ark-asr-0-6b/) | Edge0 | 5,93 % |
| 18 | [Canary Qwen 2.5B](https://quelleia.com/voix/modeles/canary-qwen-2-5b/) | NVIDIA | 5,94 % |
| 19 | [GPT Transcribe](https://quelleia.com/voix/modeles/gpt-transcribe/) | OpenAI | 5,96 % |
| 19 | [Granite Speech 4.1 2B](https://quelleia.com/voix/modeles/ibm-granite-speech-4-1-2b/) | IBM | 5,96 % |
| 21 | [Parakeet TDT 0.6B V2](https://quelleia.com/voix/modeles/parakeet-tdt-0-6b-v2/) | NVIDIA | 5,98 % |
| 22 | [Solaria-3](https://quelleia.com/voix/modeles/solaria-3/) | Gladia | 5,99 % |
| 23 | [Granite Speech 5.0 470M TurboCTC NC](https://quelleia.com/voix/modeles/ibm-granite-speech-5-0-470m-turboctc-nc/) | IBM | 6,02 % |
| 24 | [Parakeet TDT 0.6B V3](https://quelleia.com/voix/modeles/nvidia-parakeet-tdt-0-6b-v3/) | NVIDIA | 6,08 % |
| 25 | [Granite-Speech-4.1-2B-NAR](https://quelleia.com/voix/modeles/ibm-granite-speech-4-1-2b-nar/) | IBM | 6,10 % |
| 26 | [MOSS-Transcribe-Diarize](https://quelleia.com/voix/modeles/openmoss-team-moss-transcribe-diarize/) | OpenMOSS | 6,17 % |
| 27 | [Qwen3-ASR-0.6B-hf](https://quelleia.com/voix/modeles/alibaba-qwen3-asr-0-6b-hf/) | Alibaba | 6,24 % |
| 28 | [muse-voice-transcribe](https://quelleia.com/voix/modeles/meta-muse-voice-transcribe/) | Meta | 6,30 % |
| 29 | [Granite-Speech-5.0-470M-TurboCTC](https://quelleia.com/voix/modeles/ibm-granite-speech-5-0-470m-turboctc/) | IBM | 6,38 % |
| 29 | [Voxtral Small](https://quelleia.com/voix/modeles/voxtral-small/) | Mistral AI | 6,38 % |
| 31 | [Granite 4.0 1B Speech](https://quelleia.com/voix/modeles/ibm-granite-4-0-1b-speech/) | IBM | 6,41 % |
| 32 | [Nemotron ASR Streaming](https://quelleia.com/voix/modeles/nvidia-nemotron-speech-streaming-en-0-6b/) | NVIDIA | 6,60 % |
| 33 | [Distil-Large-v3.5](https://quelleia.com/voix/modeles/distil-large-v3-5/) | Hugging Face | 6,76 % |
| 34 | [Zipformer CR-CTC Transducer XL 290M](https://quelleia.com/voix/modeles/soundsgoodai-zipformer-cr-ctc-transducer-xl-290m/) | SoundsGoodAI | 6,82 % |
| 35 | [Phonon-2](https://quelleia.com/voix/modeles/fermionresearch-phonon-2/) | Fermion Research | 6,87 % |
| 36 | [Whisper Large v3](https://quelleia.com/voix/modeles/whisper-large-v3/) | OpenAI | 7,16 % |
| 37 | [Fun-ASR-Nano-2512-hf](https://quelleia.com/voix/modeles/funaudiollm-fun-asr-nano-2512-hf/) | FunAudioLLM | 7,24 % |
| 38 | [Voxtral Mini](https://quelleia.com/voix/modeles/voxtral-mini/) | Mistral AI | 7,25 % |
| 39 | [Canary 1B v2](https://quelleia.com/voix/modeles/nvidia-canary-1b-v2/) | NVIDIA | 7,27 % |
| 40 | [Parakeet CTC 1.1B](https://quelleia.com/voix/modeles/nvidia-parakeet-ctc-1-1b/) | NVIDIA | 7,40 % |
| 41 | [Whisper Large v3 Turbo](https://quelleia.com/voix/modeles/whisper-large-v3-turbo/) | OpenAI | 7,64 % |
| 42 | [OWSM-CTC v4](https://quelleia.com/voix/modeles/espnet-owsm-ctc-v4-1b/) | ESPnet | 8,08 % |
| 43 | [omniASR-LLM-7B-v2](https://quelleia.com/voix/modeles/meta-omniasr-llm-7b-v2/) | Meta | 8,13 % |
| 44 | [VibeVoice-ASR-HF](https://quelleia.com/voix/modeles/microsoft-vibevoice-asr-hf/) | Microsoft | 8,16 % |
| 45 | [Audio8-ASR-0.1B](https://quelleia.com/voix/modeles/edge0-audio8-asr-0-1b/) | Edge0 | 8,29 % |
| 46 | [Voxtral Mini 4B Realtime](https://quelleia.com/voix/modeles/voxtral-mini-4b-realtime/) | Mistral AI | 8,44 % |
| 47 | [niagara-84m-batch.en](https://quelleia.com/voix/modeles/abr-ai-niagara-84m-batch-en/) | Applied Brain Research | 9,69 % |
| 48 | [Nemotron 3.5 ASR](https://quelleia.com/voix/modeles/nvidia-nemotron-3-5-asr-streaming-0-6b/) | NVIDIA | 9,75 % |
| 49 | [niagara-38m-batch.en](https://quelleia.com/voix/modeles/abr-ai-niagara-38m-batch-en/) | Applied Brain Research | 11,14 % |
| 50 | [omniASR-CTC-7B-v2](https://quelleia.com/voix/modeles/meta-omniasr-ctc-7b-v2/) | Meta | 11,50 % |
| 51 | [Gemma 4 E4B](https://quelleia.com/voix/modeles/google-gemma-4-e4b-it/) | Google | 11,86 % |
| 52 | [niagara-19m-batch.en](https://quelleia.com/voix/modeles/abr-ai-niagara-19m-batch-en/) | Applied Brain Research | 12,97 % |
| 53 | [niagara-9m-batch.en](https://quelleia.com/voix/modeles/abr-ai-niagara-9m-batch-en/) | Applied Brain Research | 16,20 % |

## Synthèse vocale en français

Eleven v4 (ElevenLabs) arrive premier avec un Elo de 1 361, ex æquo avec Sonic 3.6 et Eleven v4 Turbo, sur 31 modèles (Artificial Analysis, relevé du 19 octobre 2026). Mesure : préférences de votants de langue maternelle française, à l'aveugle, entre deux voix qui lisent le même texte avec la même voix de référence (arène Controlled Voice, tranche française). Elo : plus il est haut, plus les votants ont préféré ce modèle. L'intervalle est celui que publie la source, à 95 % ; deux modèles dont les intervalles se recouvrent sont ex æquo.

Source : Artificial Analysis, https://artificialanalysis.ai/text-to-speech/leaderboard/controlled-voice (relevé du 19 octobre 2026).

| Rang | Modèle | Éditeur | Elo | Intervalle | Votes |
| --- | --- | --- | --- | --- | --- |
| 1 | [Eleven v4](https://quelleia.com/voix/modeles/eleven-v4/) | ElevenLabs | 1 361 | 1 336 à 1 386 | 1 152 |
| 2 | [Sonic 3.6](https://quelleia.com/voix/modeles/cartesia-sonic-3-6/) | Cartesia | 1 344 | 1 320 à 1 368 | 1 075 |
| 3 | [Eleven v4 Turbo](https://quelleia.com/voix/modeles/eleven-v4-turbo/) | ElevenLabs | 1 320 | 1 296 à 1 344 | 1 002 |
| 4 | [v3 Conversational](https://quelleia.com/voix/modeles/elevenlabs-v3-conversational/) | ElevenLabs | 1 264 | 1 242 à 1 286 | 1 084 |
| 5 | [Eleven v3](https://quelleia.com/voix/modeles/elevenlabs-eleven-v3/) | ElevenLabs | 1 259 | 1 237 à 1 281 | 1 210 |
| 6 | [Realtime TTS-2](https://quelleia.com/voix/modeles/inworld-realtime-tts-2/) | Inworld AI | 1 256 | 1 234 à 1 278 | 1 122 |
| 7 | [Gradium TTS (Sep 2026)](https://quelleia.com/voix/modeles/gradium-tts-sep-2026/) | Gradium | 1 239 | 1 216 à 1 262 | 798 |
| 8 | [Sonic 3.5](https://quelleia.com/voix/modeles/cartesia-sonic-3-5/) | Cartesia | 1 233 | 1 212 à 1 254 | 1 190 |
| 9 | [Gemini 3.8 Flash TTS](https://quelleia.com/voix/modeles/google-gemini-3-8-flash-tts/) | Google | 1 205 | 1 184 à 1 226 | 1 372 |
| 10 | [Gradium TTS (Aug 2026)](https://quelleia.com/voix/modeles/gradium-tts-aug-2026/) | Gradium | 1 199 | 1 178 à 1 220 | 1 240 |
| 11 | [Gemini 3.8 Flash-Lite TTS](https://quelleia.com/voix/modeles/google-gemini-3-8-flash-lite-tts/) | Google | 1 190 | 1 169 à 1 211 | 1 436 |
| 12 | [Qwen-Audio-3.0-TTS-Plus](https://quelleia.com/voix/modeles/alibaba-qwen-audio-3-0-tts-plus/) | Alibaba | 1 166 | 1 143 à 1 189 | 668 |
| 13 | [Eleven Multilingual v2](https://quelleia.com/voix/modeles/elevenlabs-multilingual-v2/) | ElevenLabs | 1 162 | 1 141 à 1 183 | 1 137 |
| 14 | [Realtime TTS-2 Flash](https://quelleia.com/voix/modeles/inworld-realtime-tts-2-flash/) | Inworld AI | 1 155 | 1 134 à 1 176 | 1 078 |
| 15 | [Simba 3.0](https://quelleia.com/voix/modeles/speechifyai-simba-3-0/) | SpeechifyAI | 1 150 | 1 129 à 1 171 | 1 013 |
| 16 | [SpaceXAI TTS](https://quelleia.com/voix/modeles/spacexai-tts/) | SpaceXSI | 1 149 | 1 128 à 1 170 | 1 218 |
| 17 | [Eleven Flash v2.5](https://quelleia.com/voix/modeles/elevenlabs-flash-v2-5/) | ElevenLabs | 1 131 | 1 110 à 1 152 | 1 173 |
| 18 | [Eleven Turbo v2.5](https://quelleia.com/voix/modeles/elevenlabs-turbo-v2-5/) | ElevenLabs | 1 113 | 1 092 à 1 134 | 1 171 |
| 19 | [MiniMax Speech 2.8 HD](https://quelleia.com/voix/modeles/minimax-speech-2-8-hd/) | MiniMax | 1 112 | 1 091 à 1 133 | 1 185 |
| 20 | [Sonic 3](https://quelleia.com/voix/modeles/cartesia-sonic-3/) | Cartesia | 1 098 | 1 077 à 1 119 | 1 161 |
| 21 | [MiniMax Speech 2.8 Turbo](https://quelleia.com/voix/modeles/minimax-speech-2-8-turbo/) | MiniMax | 1 089 | 1 068 à 1 110 | 1 219 |
| 22 | [Soniox TTS Real-Time v2](https://quelleia.com/voix/modeles/soniox-tts-real-time-v2/) | Soniox | 1 081 | 1 048 à 1 114 | 173 |
| 23 | [Voxtral TTS](https://quelleia.com/voix/modeles/voxtral-tts/) | Mistral AI | 1 064 | 1 043 à 1 085 | 1 179 |
| 24 | [OpenAudio S1 Mini](https://quelleia.com/voix/modeles/fish-audio-openaudio-s1-mini/) | Fish Audio | 1 057 | 1 036 à 1 078 | 1 210 |
| 25 | [Higgs TTS 3](https://quelleia.com/voix/modeles/boson-ai-higgs-tts-3-4b/) | Boson AI | 1 050 | 1 029 à 1 071 | 1 149 |
| 26 | [Fish Audio S2 Pro](https://quelleia.com/voix/modeles/fish-audio-s2-pro/) | Fish Audio | 1 049 | 1 028 à 1 070 | 1 158 |
| 27 | [XTTS v2](https://quelleia.com/voix/modeles/coqui-xtts-v2/) | Coqui | 1 013 | 991 à 1 035 | 1 175 |
| 28 | [OpenAudio S1](https://quelleia.com/voix/modeles/openaudio-s1/) | Fish Audio | 1 000 | 1 000 à 1 000 | 1 188 |
| 29 | [Fish Audio S1](https://quelleia.com/voix/modeles/fish-audio-s1/) | Fish Audio | 990 | 968 à 1 012 | 1 139 |
| 30 | [Magpie TTS Zeroshot](https://quelleia.com/voix/modeles/nvidia-magpie-tts-zeroshot/) | NVIDIA | 964 | 940 à 988 | 1 251 |
| 31 | [OpenVoice v2](https://quelleia.com/voix/modeles/openvoice-v2/) | MyShell | 782 | 752 à 812 | 1 181 |

## Prononciation du français

OmniVoice (Next-gen Kaldi) arrive premier avec un taux d'erreur par mot de 4,72 %, sur 16 modèles (Open TTS Leaderboard, relevé du 19 octobre 2026, version du 9 octobre 2026). Mesure : taux d'erreur par mot quand un modèle de transcription relit la voix de synthèse en français (CV3-Eval, sans clonage de voix), modèles à poids ouverts seulement. Taux d'erreur par mot : la part des mots mal transcrits quand un modèle de transcription relit la voix de synthèse. Plus il est bas, mieux c'est.

Source : Open TTS Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_tts_leaderboard (relevé du 19 octobre 2026, version du 9 octobre 2026).

| Rang | Modèle | Éditeur | Taux d'erreur |
| --- | --- | --- | --- |
| 1 | [OmniVoice](https://quelleia.com/voix/modeles/k2-fsa-omnivoice/) | Next-gen Kaldi | 4,72 % |
| 2 | [Fish Audio S2 Pro](https://quelleia.com/voix/modeles/fish-audio-s2-pro/) | Fish Audio | 5,35 % |
| 3 | [Kokoro 82M v1.0](https://quelleia.com/voix/modeles/kokoro-82m-v1-0/) | hexgrad | 5,41 % |
| 4 | [Supertonic 3](https://quelleia.com/voix/modeles/supertonic-3/) | Supertone Inc. | 5,44 % |
| 5 | [VoxCPM2](https://quelleia.com/voix/modeles/openbmb-voxcpm2/) | OpenBMB | 5,46 % |
| 6 | [Fun-CosyVoice 3.0](https://quelleia.com/voix/modeles/funaudiollm-fun-cosyvoice3-0-5b-2512/) | FunAudioLLM | 5,79 % |
| 7 | [Qwen3-TTS-12Hz-1.7B-CustomVoice](https://quelleia.com/voix/modeles/alibaba-qwen3-tts-12hz-1-7b-customvoice/) | Alibaba | 5,94 % |
| 8 | [MOSS-TTS](https://quelleia.com/voix/modeles/openmoss-team-moss-tts/) | OpenMOSS | 6,11 % |
| 9 | [Magpie-Multilingual 357M (Feb 2026)](https://quelleia.com/voix/modeles/nvidia-magpie-multilingual-357m-feb-2026/) | NVIDIA | 7,03 % |
| 10 | [SeamlessM4T-Large v2](https://quelleia.com/voix/modeles/meta-seamless-m4t-v2-large/) | Meta | 7,23 % |
| 11 | [Pocket TTS](https://quelleia.com/voix/modeles/pocket-tts/) | Kyutai | 7,74 % |
| 12 | [Higgs TTS 3](https://quelleia.com/voix/modeles/boson-ai-higgs-tts-3-4b/) | Boson AI | 10,68 % |
| 13 | [VibeVoice-Realtime-0.5B](https://quelleia.com/voix/modeles/microsoft-vibevoice-realtime-0-5b/) | Microsoft | 11,92 % |
| 14 | [Voxtral TTS](https://quelleia.com/voix/modeles/voxtral-tts/) | Mistral AI | 13,42 % |
| 15 | [Qwen3-Omni-30B-A3B-Instruct](https://quelleia.com/voix/modeles/alibaba-qwen3-omni-30b-a3b-instruct/) | Alibaba | 14,23 % |
| 16 | [chatterbox](https://quelleia.com/voix/modeles/resemble-ai-chatterbox/) | Resemble AI | 16,34 % |

## Synthèse vocale en anglais, Artificial Analysis

Eleven v4 Turbo (ElevenLabs) arrive premier avec un Elo de 1 329, ex æquo avec Eleven v4, sur 96 modèles (Artificial Analysis, relevé du 19 octobre 2026). Mesure : préférences de votants à l'aveugle entre deux voix qui lisent le même texte, chaque modèle avec ses propres voix (arène Provider Voice, anglais américain et britannique). Elo : plus il est haut, plus les votants ont préféré ce modèle. L'intervalle est celui que publie la source, à 95 % ; deux modèles dont les intervalles se recouvrent sont ex æquo.

Source : Artificial Analysis, https://artificialanalysis.ai/text-to-speech/leaderboard/provider-voice (relevé du 19 octobre 2026).

| Rang | Modèle | Éditeur | Elo | Intervalle | Votes |
| --- | --- | --- | --- | --- | --- |
| 1 | [Eleven v4 Turbo](https://quelleia.com/voix/modeles/eleven-v4-turbo/) | ElevenLabs | 1 329 | 1 312 à 1 346 | 1 839 |
| 2 | [Eleven v4](https://quelleia.com/voix/modeles/eleven-v4/) | ElevenLabs | 1 328 | 1 311 à 1 345 | 2 135 |
| 3 | [Qwen-Audio-3.1-TTS-Plus](https://quelleia.com/voix/modeles/alibaba-qwen-audio-3-1-tts-plus/) | Alibaba | 1 296 | 1 280 à 1 312 | 1 750 |
| 4 | [Sonic 3.6](https://quelleia.com/voix/modeles/cartesia-sonic-3-6/) | Cartesia | 1 287 | 1 272 à 1 302 | 2 564 |
| 5 | [Gemini 3.8 Flash TTS](https://quelleia.com/voix/modeles/google-gemini-3-8-flash-tts/) | Google | 1 278 | 1 263 à 1 293 | 2 806 |
| 6 | [Qwen-Audio-3.0-TTS-Plus](https://quelleia.com/voix/modeles/alibaba-qwen-audio-3-0-tts-plus/) | Alibaba | 1 265 | 1 251 à 1 279 | 2 264 |
| 7 | [Realtime TTS-2](https://quelleia.com/voix/modeles/inworld-realtime-tts-2/) | Inworld AI | 1 262 | 1 247 à 1 277 | 2 011 |
| 8 | [Gemini 3.8 Flash-Lite TTS](https://quelleia.com/voix/modeles/google-gemini-3-8-flash-lite-tts/) | Google | 1 248 | 1 234 à 1 262 | 2 810 |
| 9 | [Simba 3.2](https://quelleia.com/voix/modeles/speechifyai-simba-3-2/) | SpeechifyAI | 1 245 | 1 232 à 1 258 | 3 178 |
| 10 | [Fish Audio Drama 3 Preview](https://quelleia.com/voix/modeles/fish-audio-drama-3-preview/) | Fish Audio | 1 244 | 1 229 à 1 259 | 1 999 |
| 11 | [Breeze TTS 2](https://quelleia.com/voix/modeles/breeze-tts-2/) | BreezeBlue | 1 222 | 1 208 à 1 236 | 2 138 |
| 12 | [Realtime TTS-2 Flash](https://quelleia.com/voix/modeles/inworld-realtime-tts-2-flash/) | Inworld AI | 1 219 | 1 206 à 1 232 | 2 459 |
| 13 | [Luna TTS](https://quelleia.com/voix/modeles/vui-labs-luna-tts/) | VUI Labs | 1 217 | 1 205 à 1 229 | 3 382 |
| 14 | [StepAudio 2.5 TTS (Aug 2026)](https://quelleia.com/voix/modeles/stepaudio-2-5-tts-aug-2026/) | StepFun | 1 216 | 1 202 à 1 230 | 2 028 |
| 15 | [Gemini 3.1 Flash TTS](https://quelleia.com/voix/modeles/google-gemini-3-1-flash-tts/) | Google | 1 213 | 1 202 à 1 224 | 4 143 |
| 16 | [v3 Conversational](https://quelleia.com/voix/modeles/elevenlabs-v3-conversational/) | ElevenLabs | 1 210 | 1 197 à 1 223 | 2 610 |
| 17 | [Sonic 3.5](https://quelleia.com/voix/modeles/cartesia-sonic-3-5/) | Cartesia | 1 191 | 1 180 à 1 202 | 3 667 |
| 18 | [Fish Audio S2.1 Pro (Oct 2026)](https://quelleia.com/voix/modeles/fish-audio-s2-1-pro-oct-2026/) | Fish Audio | 1 190 | 1 176 à 1 204 | 1 929 |
| 19 | [Eleven v3](https://quelleia.com/voix/modeles/elevenlabs-eleven-v3/) | ElevenLabs | 1 180 | 1 169 à 1 191 | 4 960 |
| 20 | [Soniox TTS Real-Time v2](https://quelleia.com/voix/modeles/soniox-tts-real-time-v2/) | Soniox | 1 179 | 1 168 à 1 190 | 5 229 |
| 21 | [Gradium TTS (Sep 2026)](https://quelleia.com/voix/modeles/gradium-tts-sep-2026/) | Gradium | 1 174 | 1 160 à 1 188 | 2 029 |
| 21 | [MiniMax Speech 2.8 HD](https://quelleia.com/voix/modeles/minimax-speech-2-8-hd/) | MiniMax | 1 174 | 1 163 à 1 185 | 5 043 |
| 23 | [Lightning V3.1 Pro (Jul 2026)](https://quelleia.com/voix/modeles/smallest-ai-lightning-v3-1-pro-jul-2026/) | Smallest AI | 1 170 | 1 157 à 1 183 | 2 645 |
| 24 | [Falcon 2](https://quelleia.com/voix/modeles/murf-ai-falcon-2/) | Murf AI | 1 154 | 1 141 à 1 167 | 2 319 |
| 25 | [Gradium TTS (Aug 2026)](https://quelleia.com/voix/modeles/gradium-tts-aug-2026/) | Gradium | 1 152 | 1 139 à 1 165 | 2 286 |
| 25 | [MiniMax Speech 2.8 Turbo](https://quelleia.com/voix/modeles/minimax-speech-2-8-turbo/) | MiniMax | 1 152 | 1 141 à 1 163 | 4 823 |
| 27 | [SpaceXAI TTS](https://quelleia.com/voix/modeles/spacexai-tts/) | SpaceXSI | 1 146 | 1 132 à 1 160 | 1 744 |
| 28 | [Async Flash v1.5](https://quelleia.com/voix/modeles/async-flash-v1-5/) | Async | 1 141 | 1 129 à 1 153 | 2 550 |
| 29 | [Azure HD 2.5](https://quelleia.com/voix/modeles/microsoft-azure-hd-2-5/) | Microsoft | 1 137 | 1 125 à 1 149 | 2 868 |
| 30 | [Step TTS 2 (Mar 2026)](https://quelleia.com/voix/modeles/step-tts-2-mar-2026/) | StepFun | 1 136 | 1 124 à 1 148 | 2 679 |
| 31 | [Async Pro v1.0](https://quelleia.com/voix/modeles/async-pro-v1-0/) | Async | 1 129 | 1 117 à 1 141 | 2 440 |
| 32 | [MiniMax Speech 2.6 HD](https://quelleia.com/voix/modeles/minimax-speech-2-6-hd/) | MiniMax | 1 128 | 1 117 à 1 139 | 4 195 |
| 33 | [MiniMax Speech 2.6 Turbo](https://quelleia.com/voix/modeles/minimax-speech-2-6-turbo/) | MiniMax | 1 122 | 1 111 à 1 133 | 4 483 |
| 33 | [Simba 3.0](https://quelleia.com/voix/modeles/speechifyai-simba-3-0/) | SpeechifyAI | 1 122 | 1 110 à 1 134 | 2 889 |
| 35 | [Fish Audio S2 Pro](https://quelleia.com/voix/modeles/fish-audio-s2-pro/) | Fish Audio | 1 114 | 1 102 à 1 126 | 2 621 |
| 36 | [MiniMax Speech 02 HD](https://quelleia.com/voix/modeles/minimax-speech-02-hd/) | MiniMax | 1 111 | 1 100 à 1 122 | 4 573 |
| 37 | [Chatterbox HD](https://quelleia.com/voix/modeles/resemble-ai-chatterbox-hd/) | Resemble AI | 1 105 | 1 093 à 1 117 | 2 592 |
| 38 | [TTS-1 HD](https://quelleia.com/voix/modeles/openai-tts-1-hd/) | OpenAI | 1 102 | 1 091 à 1 113 | 3 709 |
| 39 | [Step Audio EditX (Mar 2026)](https://quelleia.com/voix/modeles/step-audio-editx-mar-2026/) | StepFun | 1 100 | 1 088 à 1 112 | 2 249 |
| 40 | [Eleven Turbo v2.5](https://quelleia.com/voix/modeles/elevenlabs-turbo-v2-5/) | ElevenLabs | 1 097 | 1 087 à 1 107 | 6 975 |
| 41 | [Eleven Multilingual v2](https://quelleia.com/voix/modeles/elevenlabs-multilingual-v2/) | ElevenLabs | 1 096 | 1 086 à 1 106 | 7 429 |
| 41 | [Speech 2.6](https://quelleia.com/voix/modeles/hithink-speech-2-6/) | HiThink | 1 096 | 1 084 à 1 108 | 2 352 |
| 43 | [MiniMax Speech 02 Turbo](https://quelleia.com/voix/modeles/minimax-speech-02-turbo/) | MiniMax | 1 091 | 1 080 à 1 102 | 3 927 |
| 44 | [TTS-1](https://quelleia.com/voix/modeles/openai-tts-1/) | OpenAI | 1 090 | 1 079 à 1 101 | 6 237 |
| 45 | [Voxtral TTS](https://quelleia.com/voix/modeles/voxtral-tts/) | Mistral AI | 1 089 | 1 077 à 1 101 | 2 345 |
| 46 | [Gemini 2.5 Flash Lite TTS](https://quelleia.com/voix/modeles/google-gemini-2-5-flash-lite-tts/) | Google | 1 085 | 1 073 à 1 097 | 3 249 |
| 47 | [OpenAudio S1](https://quelleia.com/voix/modeles/openaudio-s1/) | Fish Audio | 1 083 | 1 072 à 1 094 | 4 600 |
| 48 | [Studio](https://quelleia.com/voix/modeles/google-studio/) | Google | 1 079 | 1 068 à 1 090 | 4 537 |
| 49 | [Eleven Flash v2.5](https://quelleia.com/voix/modeles/elevenlabs-flash-v2-5/) | ElevenLabs | 1 078 | 1 067 à 1 089 | 5 805 |
| 49 | [GPT-Realtime-2](https://quelleia.com/voix/modeles/openai-gpt-realtime-2/) | OpenAI | 1 078 | 1 066 à 1 090 | 2 224 |
| 51 | [Journey](https://quelleia.com/voix/modeles/google-journey/) | Google | 1 074 | 1 061 à 1 087 | 2 327 |
| 52 | [T2A-01-HD](https://quelleia.com/voix/modeles/minimax-t2a-01-hd/) | MiniMax | 1 066 | 1 055 à 1 077 | 5 024 |
| 53 | [Maya 2 Flash](https://quelleia.com/voix/modeles/maya-2-flash/) | Maya Research | 1 065 | 1 052 à 1 078 | 2 081 |
| 54 | [Kokoro 82M v1.0](https://quelleia.com/voix/modeles/kokoro-82m-v1-0/) | hexgrad | 1 064 | 1 053 à 1 075 | 5 386 |
| 54 | [Magpie-Multilingual 357M (Feb 2026)](https://quelleia.com/voix/modeles/nvidia-magpie-multilingual-357m-feb-2026/) | NVIDIA | 1 064 | 1 052 à 1 076 | 2 231 |
| 54 | [Polly Generative](https://quelleia.com/voix/modeles/amazon-polly-generative/) | Amazon | 1 064 | 1 052 à 1 076 | 3 801 |
| 57 | [Chirp 3: HD](https://quelleia.com/voix/modeles/google-chirp-3-hd/) | Google | 1 061 | 1 049 à 1 073 | 3 419 |
| 58 | [Gemini 2.5 Flash TTS (Dec 2025)](https://quelleia.com/voix/modeles/google-gemini-2-5-flash-tts-dec-2025/) | Google | 1 060 | 1 048 à 1 072 | 2 926 |
| 59 | [Sonic 3](https://quelleia.com/voix/modeles/cartesia-sonic-3/) | Cartesia | 1 058 | 1 046 à 1 070 | 3 539 |
| 60 | [Coda](https://quelleia.com/voix/modeles/rime-coda/) | Rime | 1 057 | 1 045 à 1 069 | 2 404 |
| 61 | [Octave 2](https://quelleia.com/voix/modeles/hume-ai-octave-2/) | Hume AI | 1 055 | 1 043 à 1 067 | 3 151 |
| 62 | [MiMo-V2.5-TTS](https://quelleia.com/voix/modeles/xiaomi-mimo-v2-5-tts/) | Xiaomi | 1 054 | 1 041 à 1 067 | 2 066 |
| 63 | [Flux TTS](https://quelleia.com/voix/modeles/deepgram-flux-tts/) | Deepgram | 1 052 | 1 039 à 1 065 | 2 116 |
| 64 | [Async Flash v1.0](https://quelleia.com/voix/modeles/async-flash-v1-0/) | Async | 1 049 | 1 038 à 1 060 | 4 052 |
| 65 | [Maya 2 Global](https://quelleia.com/voix/modeles/maya-2-global/) | Maya Research | 1 047 | 1 034 à 1 060 | 1 937 |
| 66 | [Maya1](https://quelleia.com/voix/modeles/maya1/) | Maya Research | 1 046 | 1 034 à 1 058 | 3 301 |
| 67 | [OpenAudio S1 Mini](https://quelleia.com/voix/modeles/fish-audio-openaudio-s1-mini/) | Fish Audio | 1 044 | 1 024 à 1 064 | 1 682 |
| 68 | [Higgs TTS 3](https://quelleia.com/voix/modeles/boson-ai-higgs-tts-3-4b/) | Boson AI | 1 042 | 1 029 à 1 055 | 2 159 |
| 69 | [Bland Speech v3](https://quelleia.com/voix/modeles/bland-speech-v3/) | Bland AI | 1 039 | 1 026 à 1 052 | 2 443 |
| 69 | [Octave TTS](https://quelleia.com/voix/modeles/hume-ai-octave-tts/) | Hume AI | 1 039 | 1 028 à 1 050 | 4 699 |
| 71 | [Gemini 2.5 Pro (Dec 2025)](https://quelleia.com/voix/modeles/google-gemini-2-5-pro-dec-2025/) | Google | 1 037 | 1 024 à 1 050 | 2 464 |
| 72 | [Azure Neural](https://quelleia.com/voix/modeles/microsoft-azure-neural/) | Microsoft | 1 034 | 1 015 à 1 053 | 1 156 |
| 73 | [MAI-Voice-1](https://quelleia.com/voix/modeles/microsoft-mai-voice-1/) | Microsoft | 1 031 | 1 019 à 1 043 | 2 322 |
| 74 | [Polly Long-Form](https://quelleia.com/voix/modeles/amazon-polly-long-form/) | Amazon | 1 030 | 1 017 à 1 043 | 1 960 |
| 74 | [T2A-01-Turbo](https://quelleia.com/voix/modeles/minimax-t2a-01-turbo/) | MiniMax | 1 030 | 1 019 à 1 041 | 4 958 |
| 76 | [Chatterbox](https://quelleia.com/voix/modeles/chatterbox/) | Resemble AI | 1 026 | 1 015 à 1 037 | 4 697 |
| 77 | [Lightning v3.1](https://quelleia.com/voix/modeles/smallest-ai-lightning-v3-1/) | Smallest AI | 1 024 | 1 011 à 1 037 | 2 281 |
| 78 | [Raon SpeechLM](https://quelleia.com/voix/modeles/krafton-raon-speechlm/) | KRAFTON | 1 005 | 992 à 1 018 | 2 135 |
| 79 | [Zonos-v0.1](https://quelleia.com/voix/modeles/zyphra-zonos-v0-1/) | Zyphra | 1 000 | 1 000 à 1 000 | 4 846 |
| 80 | [Murf Speech Gen 2](https://quelleia.com/voix/modeles/murf-speech-gen-2/) | Murf AI | 986 | 974 à 998 | 4 994 |
| 81 | [OpenVoice v2](https://quelleia.com/voix/modeles/openvoice-v2/) | MyShell | 957 | 944 à 970 | 3 042 |
| 81 | [VibeVoice 1.5B](https://quelleia.com/voix/modeles/microsoft-vibevoice-1-5b/) | Microsoft | 957 | 943 à 971 | 2 127 |
| 83 | [Neuphonic TTS](https://quelleia.com/voix/modeles/neuphonic-tts/) | Neuphonic | 943 | 929 à 957 | 2 421 |
| 84 | [Qwen3 TTS Flash](https://quelleia.com/voix/modeles/alibaba-qwen3-tts-flash/) | Alibaba | 942 | 928 à 956 | 2 167 |
| 85 | [Qwen3 TTS](https://quelleia.com/voix/modeles/alibaba-qwen3-tts/) | Alibaba | 932 | 919 à 945 | 2 995 |
| 86 | [Kugel 3](https://quelleia.com/voix/modeles/kugel-3/) | KugelAudio | 931 | 918 à 944 | 4 262 |
| 87 | [WaveNet](https://quelleia.com/voix/modeles/google-wavenet/) | Google | 918 | 906 à 930 | 6 306 |
| 88 | [XTTS v2](https://quelleia.com/voix/modeles/coqui-xtts-v2/) | Coqui | 917 | 902 à 932 | 2 611 |
| 89 | [Mist V2](https://quelleia.com/voix/modeles/rime-mist-v2/) | Rime | 904 | 889 à 919 | 2 954 |
| 90 | [Polly Neural](https://quelleia.com/voix/modeles/amazon-polly-neural/) | Amazon | 897 | 883 à 911 | 2 878 |
| 91 | [Neural2](https://quelleia.com/voix/modeles/google-neural2/) | Google | 894 | 882 à 906 | 6 591 |
| 92 | [StyleTTS 2](https://quelleia.com/voix/modeles/styletts-2/) | Columbia University | 892 | 877 à 907 | 2 584 |
| 93 | [Standard](https://quelleia.com/voix/modeles/google-standard/) | Google | 886 | 874 à 898 | 6 650 |
| 94 | [Noiz TTS](https://quelleia.com/voix/modeles/noiz-tts/) | Noiz | 878 | 863 à 893 | 2 269 |
| 95 | [MetaVoice v1](https://quelleia.com/voix/modeles/metavoice-v1/) | MetaVoice | 848 | 830 à 866 | 1 572 |
| 96 | [Polly Standard](https://quelleia.com/voix/modeles/amazon-polly-standard/) | Amazon | 832 | 816 à 848 | 3 502 |

## Synthèse vocale en anglais, TTS Arena

Inworld TTS MAX (Inworld AI) arrive premier avec un Elo de 1 553, sur 38 modèles (TTS Arena V2, relevé du 19 octobre 2026). Mesure : préférences d'internautes à l'aveugle entre deux voix qui lisent la même phrase en anglais. Elo : plus il est haut, plus les votants ont préféré ce modèle. Le rang est celui de la source, qui range par la borne basse de l'intervalle.

Source : TTS Arena V2, TTS-AGI, https://huggingface.co/spaces/TTS-AGI/TTS-Arena-V2 (relevé du 19 octobre 2026).

| Rang | Modèle | Éditeur | Elo | Intervalle | Votes |
| --- | --- | --- | --- | --- | --- |
| 1 | [Inworld TTS MAX](https://quelleia.com/voix/modeles/inworld-tts-max/) | Inworld AI | 1 553 | 1 533 à 1 573 | 1 479 |
| 2 (retiré) | [CastleFlow v1.0](https://quelleia.com/voix/modeles/castleflow-v1-0/) | Async | 1 556 | 1 532 à 1 580 | 1 643 |
| 3 | [Aurora](https://quelleia.com/voix/modeles/aurora/) | inconnu | 1 563 | 1 530 à 1 596 | 575 |
| 4 (retiré) | [Papla P1](https://quelleia.com/voix/modeles/papla-p1/) | Papla Media | 1 545 | 1 519 à 1 571 | 958 |
| 5 | [Inworld TTS](https://quelleia.com/voix/modeles/inworld-tts/) | Inworld AI | 1 537 | 1 516 à 1 558 | 1 963 |
| 6 | [star-june-2026](https://quelleia.com/voix/modeles/star-june-2026/) | inconnu | 1 538 | 1 506 à 1 570 | 497 |
| 7 | [MiniMax Speech 2.8 HD](https://quelleia.com/voix/modeles/minimax-speech-2-8-hd/) | MiniMax | 1 535 | 1 505 à 1 565 | 503 |
| 8 | [Hume Octave](https://quelleia.com/voix/modeles/hume-octave/) | Hume AI | 1 521 | 1 497 à 1 545 | 1 143 |
| 9 | [Lightning v3.1 Pro](https://quelleia.com/voix/modeles/smallest-ai-lightning-v3-1-pro/) | Smallest AI | 1 523 | 1 495 à 1 551 | 539 |
| 10 | [Gradium TTS (pre-2026.08)](https://quelleia.com/voix/modeles/gradium-tts-pre-2026-08/) | Gradium | 1 520 | 1 489 à 1 551 | 563 |
| 11 | [MiniMax Speech 2.8 Turbo](https://quelleia.com/voix/modeles/minimax-speech-2-8-turbo/) | MiniMax | 1 519 | 1 490 à 1 548 | 533 |
| 12 | [MiniMax Speech 02 HD](https://quelleia.com/voix/modeles/minimax-speech-02-hd/) | MiniMax | 1 509 | 1 485 à 1 533 | 1 243 |
| 13 | [MiniMax Speech 2.6 Turbo](https://quelleia.com/voix/modeles/minimax-speech-2-6-turbo/) | MiniMax | 1 516 | 1 485 à 1 547 | 542 |
| 14 | [OpenAudio S2](https://quelleia.com/voix/modeles/fish-audio-openaudio-s2/) | Fish Audio | 1 515 | 1 484 à 1 546 | 539 |
| 15 | [Eleven Multilingual v2](https://quelleia.com/voix/modeles/elevenlabs-multilingual-v2/) | ElevenLabs | 1 504 | 1 482 à 1 526 | 1 144 |
| 16 (provisoire) | [Deepdub eTTS 3.2](https://quelleia.com/voix/modeles/deepdub-etts-3-2/) | Deepdub | 1 527 | 1 485 à 1 569 | 271 |
| 17 | [Eleven Turbo v2.5](https://quelleia.com/voix/modeles/elevenlabs-turbo-v2-5/) | ElevenLabs | 1 504 | 1 480 à 1 528 | 1 139 |
| 18 | [Eleven Flash v2.5](https://quelleia.com/voix/modeles/elevenlabs-flash-v2-5/) | ElevenLabs | 1 505 | 1 482 à 1 528 | 1 165 |
| 19 | [Inworld TTS 1.5 MAX](https://quelleia.com/voix/modeles/inworld-tts-1-5-max/) | Inworld AI | 1 507 | 1 477 à 1 537 | 613 |
| 20 | [MiniMax Speech 02 Turbo](https://quelleia.com/voix/modeles/minimax-speech-02-turbo/) | MiniMax | 1 500 | 1 477 à 1 523 | 1 231 |
| 21 | [Parmesan](https://quelleia.com/voix/modeles/parmesan/) | inconnu | 1 498 | 1 476 à 1 520 | 1 412 |
| 22 | [Typecast SSFM 3.0](https://quelleia.com/voix/modeles/typecast-ssfm-3-0/) | Neosapience | 1 506 | 1 475 à 1 537 | 551 |
| 23 | [Cartesia Sonic 2](https://quelleia.com/voix/modeles/cartesia-sonic-2/) | Cartesia | 1 508 | 1 475 à 1 541 | 460 |
| 24 | [OpenAudio S1](https://quelleia.com/voix/modeles/openaudio-s1/) | Fish Audio | 1 504 | 1 473 à 1 535 | 538 |
| 25 | [MiniMax Speech 2.6 HD](https://quelleia.com/voix/modeles/minimax-speech-2-6-hd/) | MiniMax | 1 501 | 1 472 à 1 530 | 560 |
| 26 | [Hithink Speech 2.6](https://quelleia.com/voix/modeles/hithink-speech-2-6-2/) | inconnu | 1 502 | 1 472 à 1 532 | 539 |
| 27 | [Eleven v3](https://quelleia.com/voix/modeles/elevenlabs-eleven-v3/) | ElevenLabs | 1 496 | 1 465 à 1 527 | 550 |
| 28 | [Chatterbox](https://quelleia.com/voix/modeles/chatterbox/) | Resemble AI | 1 476 | 1 456 à 1 496 | 1 784 |
| 29 | [Voice.ai Text to Speech V1](https://quelleia.com/voix/modeles/voice-ai-text-to-speech-v1/) | Voice.ai | 1 483 | 1 453 à 1 513 | 548 |
| 30 (retiré) | [Kokoro 82M v1.0](https://quelleia.com/voix/modeles/kokoro-82m-v1-0/) | hexgrad | 1 473 | 1 450 à 1 496 | 1 033 |
| 31 (retiré) | [Tontaube V0](https://quelleia.com/voix/modeles/tontaube-v0/) | Tontaube | 1 481 | 1 448 à 1 514 | 519 |
| 32 (retiré) | [Magpie Research Preview](https://quelleia.com/voix/modeles/magpie-research-preview/) | NVIDIA | 1 469 | 1 432 à 1 506 | 448 |
| 33 (retiré) | [NeuTTS Max](https://quelleia.com/voix/modeles/neutts-max/) | Neuphonic | 1 435 | 1 408 à 1 462 | 755 |
| 34 (retiré) | [Magpie Multilingual](https://quelleia.com/voix/modeles/magpie-multilingual/) | NVIDIA | 1 402 | 1 376 à 1 428 | 1 056 |
| 35 (provisoire) | [Silk Mulberry 1.5](https://quelleia.com/voix/modeles/silk-mulberry-1-5/) | rumik | 1 418 | 1 375 à 1 461 | 251 |
| 36 (retiré) | [Maya1](https://quelleia.com/voix/modeles/maya1/) | Maya Research | 1 406 | 1 370 à 1 442 | 467 |
| 37 (retiré) | [Wordcab TTS](https://quelleia.com/voix/modeles/wordcab-tts/) | Wordcab | 1 356 | 1 335 à 1 377 | 1 741 |
| 38 (retiré) | [Veena](https://quelleia.com/voix/modeles/veena/) | Maya Research | 1 360 | 1 326 à 1 394 | 510 |