# Realtime TTS-2 Flash

Éditeur : Inworld AI (États-Unis). Poids fermés (selon Artificial Analysis).

En bref : 14e sur 31 en synthèse vocale en français, dans un groupe de 5 modèles trop proches pour être départagés ; 12e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un peloton de 6 modèles que la marge d'erreur ne permet pas de séparer.

Page : https://quelleia.com/voix/modeles/inworld-realtime-tts-2-flash/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Variante rapide et économique de Realtime TTS-2 d'Inworld, avec un premier octet audio en 20 ms (P90 côté serveur), cinq fois moins que TTS-2. Elle couvre les mêmes langues et le clonage instantané, mais sans les instructions de direction ni le clonage professionnel. (lu sur https://docs.inworld.ai/release-notes/tts.md, https://docs.inworld.ai/tts/tts-models.md)

- Sortie : 9 août 2026 (lu sur la page de l'éditeur, https://docs.inworld.ai/release-notes/tts.md)

## Langues

- Annoncées par l'éditeur : 470 langues (623 codes de langue et de région), dont le français.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 14e sur 31 en synthèse vocale en français (1 155).
- Source des langues annoncées : https://docs.inworld.ai/tts/capabilities/multilingual.md

## Ses classements

- Synthèse vocale en français : 14e sur 31, Elo 1 155 (intervalle à 95 % : 1 134 à 1 176), 1 078 votes ; prix : 10 $ par million de caractères. Source : Artificial Analysis, https://artificialanalysis.ai/text-to-speech/model-families/inworld (relevé du 19 octobre 2026).
- Synthèse vocale en anglais, Artificial Analysis : 12e sur 96, Elo 1 219 (intervalle à 95 % : 1 206 à 1 232), 2 459 votes ; prix : 10 $ par million de caractères. Source : Artificial Analysis, https://artificialanalysis.ai/text-to-speech/model-families/inworld (relevé du 19 octobre 2026).

## Modèles proches

- Synthèse vocale en français : [Eleven Multilingual v2](https://quelleia.com/voix/modeles/elevenlabs-multilingual-v2/), 13e (1 162), juste devant
- Synthèse vocale en français : [Simba 3.0](https://quelleia.com/voix/modeles/speechifyai-simba-3-0/), 15e (1 150), juste derrière
- Synthèse vocale en anglais, Artificial Analysis : [Breeze TTS 2](https://quelleia.com/voix/modeles/breeze-tts-2/), 11e (1 222), juste devant
- Synthèse vocale en anglais, Artificial Analysis : [Luna TTS](https://quelleia.com/voix/modeles/vui-labs-luna-tts/), 13e (1 217), juste derrière

## Comment lire ces chiffres

- Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.

## Noms dans les sources

- Artificial Analysis : Realtime TTS-2 Flash

## Liens

- Page de l'éditeur : https://docs.inworld.ai/tts/tts-models
- L'essayer : https://platform.inworld.ai/tts

## Pages lues

- https://docs.inworld.ai/release-notes/tts.md (« Launched Realtime TTS-2 Flash (`inworld-tts-2-flash`), the fastest member of the TTS-2 family »), 17/10/2026
- https://docs.inworld.ai/release-notes/tts.md (« Steering](https://docs.inworld.ai/tts/capabilities/steering.md) instructions and [Professional Voice Cloning](https://docs.inworld.ai/tts/professional-voice-cloning.md) are supported on `inworld-tts-2` only »), 17/10/2026
- https://docs.inworld.ai/tts/tts-models.md (« Our lowest latency - 20 ms TTFB »), 17/10/2026
- https://docs.inworld.ai/release-notes/tts.md (« 20 ms time to first audio (server-side P90 TTFB, excluding network latency) - 5× faster than `inworld-tts-2` at 100 ms »), 17/10/2026
- https://docs.inworld.ai/tts/capabilities/multilingual.md (« The Realtime TTS-2 models - `inworld-tts-2` and `inworld-tts-2-flash` - share the same language support. »), 17/10/2026
- https://docs.inworld.ai/tts/capabilities/multilingual.md (« | French | `fr` | `fr-FR` | »), 17/10/2026