# Realtime TTS-2

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

En bref : 6e sur 31 en synthèse vocale en français, ex æquo avec 4 autres modèles dont les marges d'erreur se recouvrent ; 7e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un peloton de 5 modèles que la marge d'erreur ne permet pas de séparer.

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

## Présentation

Modèle de synthèse vocale en temps réel d'Inworld conçu pour la conversation, qui tient compte des tours de parole précédents et se dirige par des instructions en langage naturel entre crochets. Il conserve la même voix d'une langue à l'autre, y compris au milieu d'une phrase. (lu sur https://docs.inworld.ai/release-notes/tts.md, https://inworld.ai/blog/realtime-tts-2)

- Sortie : 5 mai 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, 6e sur 31 en synthèse vocale en français (1 256).
- Source des langues annoncées : https://docs.inworld.ai/tts/capabilities/multilingual.md

## Ses classements

- Synthèse vocale en français : 6e sur 31, Elo 1 256 (intervalle à 95 % : 1 234 à 1 278), 1 122 votes ; prix : 21 $ 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 : 7e sur 96, Elo 1 262 (intervalle à 95 % : 1 247 à 1 277), 2 011 votes ; prix : 21 $ 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 v3](https://quelleia.com/voix/modeles/elevenlabs-eleven-v3/), 5e (1 259), juste devant
- Synthèse vocale en français : [Gradium TTS (Sep 2026)](https://quelleia.com/voix/modeles/gradium-tts-sep-2026/), 7e (1 239), juste derrière
- Synthèse vocale en anglais, Artificial Analysis : [Qwen-Audio-3.0-TTS-Plus](https://quelleia.com/voix/modeles/alibaba-qwen-audio-3-0-tts-plus/), 6e (1 265), juste devant
- Synthèse vocale en anglais, Artificial Analysis : [Gemini 3.8 Flash-Lite TTS](https://quelleia.com/voix/modeles/google-gemini-3-8-flash-lite-tts/), 8e (1 248), 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

## Liens

- Page de l'éditeur : https://inworld.ai/blog/realtime-tts-2
- L'essayer : https://platform.inworld.ai/tts

## Pages lues

- https://docs.inworld.ai/release-notes/tts.md (« Launched [Realtime TTS-2](https://inworld.ai/blog/realtime-tts-2) (`inworld-tts-2`), our most powerful and expressive TTS model: »), 17/10/2026
- https://inworld.ai/blog/realtime-tts-2 (« Realtime TTS-2 from Inworld AI is a new generation of voice model built for realtime conversation. It hears the full audio of the exchange, picks up the user's tone, pacing and emotional state »), 17/10/2026
- https://inworld.ai/blog/realtime-tts-2 (« One voice identity preserved across over 100 languages, including mid-utterance language switches inside a single generation. »), 17/10/2026
- https://docs.inworld.ai/tts/capabilities/multilingual.md (« The Realtime TTS-2 models accept **623 language and locale codes** (BCP-47) in the [`language`](#specifying-a-language) field, covering **470 languages** »), 17/10/2026
- https://docs.inworld.ai/tts/capabilities/multilingual.md (« | French | `fr` | `fr-FR` | »), 17/10/2026