Voz de IA em português: dois rankings para escolher um narrador
Compare as vozes dos fornecedores com o teste de voz controlada e escolha o que ouvir numa narração em português brasileiro.

👁 111 leituras
“Vou colher a colher que caiu.” As duas ocorrências de colher pedem pronúncias diferentes. Para escolher a voz de um audioguia brasileiro, eu guardaria frases assim junto da classificação. A arena com vozes de catálogo mistura a qualidade do sistema com o timbre que cada empresa escolheu. Trocar de tabela ajuda a perceber quanto dessa escolha pesa.
Com as vozes escolhidas por cada fornecedor
| Posição | Modelo | Elo |
|---|---|---|
| 1 | Eleven v4 Turbo | 1340 |
| 2 | Eleven v4 | 1338 |
| 3 | Qwen-Audio-3.1-TTS-Plus | 1298 |
| 4 | Sonic 3.6 | 1295 |
| 5 | Simba 3.5 | 1291 |
| 6 | Gemini 3.8 Flash TTS | 1283 |
| 7 | Fish Audio Drama 3 | 1279 |
| 8 | Lightning V3.1 Pro (Oct 2026) | 1271 |
| 9 | Realtime TTS-2 | 1270 |
| 10 | Qwen-Audio-3.0-TTS-Plus | 1263 |
| 11 | Gemini 3.8 Flash-Lite TTS | 1259 |
| 12 | Simba 3.2 | 1250 |
| 13 | Fish Audio Drama 3 Preview | 1236 |
| 14 | Breeze TTS 2 | 1229 |
| 15 | v3 Conversational | 1216 |
| 16 | StepAudio 2.5 TTS (Aug 2026) | 1215 |
| 17 | Gemini 3.1 Flash TTS | 1215 |
| 18 | Realtime TTS-2 Flash | 1215 |
| 19 | Voxtral 3 TTS | 1213 |
| 20 | AssemblyAI-TTS-1 | 1212 |
| 21 | Luna TTS | 1196 |
| 22 | Sonic 3.5 | 1195 |
| 23 | Eleven v3 | 1190 |
| 24 | Ming-3.0-tts | 1182 |
| 25 | Fish Audio S2.1 Pro (Oct 2026) | 1181 |
Com a voz controlada para comparar os sistemas
| Posição | Modelo | Elo |
|---|---|---|
| 1 | HeyGen Voice | 1192 |
| 2 | Simba 3.5 | 1189 |
| 3 | HeyGen Voice Turbo | 1178 |
| 4 | Qwen-Audio-3.1-TTS-Plus | 1175 |
| 5 | Qwen-Audio-3.1-TTS-Flash | 1171 |
| 6 | Eleven v4 Turbo | 1156 |
| 7 | Eleven v4 | 1155 |
| 8 | Sonic 3.6 | 1150 |
| 9 | Realtime TTS-2 | 1145 |
| 10 | Qwen-Audio-3.0-TTS-Plus | 1133 |
| 11 | Sonic 3.5 | 1118 |
| 12 | Lightning V3.1 Pro (Oct 2026) | 1101 |
| 13 | AssemblyAI-TTS-1 | 1089 |
| 14 | Simba 3.2 | 1081 |
| 15 | StepAudio 2.5 TTS | 1076 |
| 16 | Eleven v3 | 1075 |
| 17 | Fish Audio Drama 3 | 1070 |
| 18 | Ming-3.0-tts | 1070 |
| 19 | Voxtral 3 TTS | 1068 |
| 20 | Realtime TTS-2 Flash | 1066 |
| 21 | v3 Conversational | 1066 |
| 22 | SpaceXAI TTS | 1064 |
| 23 | Fish Audio Drama 3 Preview | 1059 |
| 24 | Gradium TTS (Sep 2026) | 1055 |
| 25 | Gemini 3.8 Flash-Lite TTS | 1055 |
Da disputa ao ouvido brasileiro
O Eleven v4 Turbo encabeça a disputa com vozes dos fornecedores. O HeyGen Voice abre a tabela de voz controlada. Em um audioguia, eu ouviria ainda o nome de cada parada no ritmo da frase. Uma locução pode soar convincente na abertura e perder a tonicidade justamente na estação onde o passageiro precisa descer.
Pergunta frequente
Como os modelos de texto para fala são classificados? A Artificial Analysis reúne preferências entre pares de amostras e publica um placar por condição de voz. A posição reflete o conjunto de amostras da arena.
Para trabalhar com uma voz já gravada, consulte o guia de clonagem de voz.
Fichas, acesso e preços
| Família | Como usar | Custo |
|---|---|---|
| Eleven v4 e v4 Turbo | Guia | Preços |
| Qwen Audio 3.1 TTS | Guia | Preços |
| Cartesia Sonic 3.6 e 3.5 | Guia | Preços |
| Simba 3.5 | Guia | Preços |
| Gemini 3.8 Flash TTS e Lite | Guia | Preços |
| Fish Audio Drama 3 | Guia | Preços |
| Lightning v3.1 Pro de outubro | Guia | Preços |
| Inworld Realtime TTS-2 e Flash | Guia | Preços |
| Breeze TTS 2 | Guia | Preços |
| Eleven v3 e Conversational | Guia | Preços |
| StepAudio 2.5 TTS | Guia | Preços |
| Gemini 3.1 Flash TTS | Guia | Preços |
| Voxtral 3 TTS | Guia | Preços |
| AssemblyAI TTS-1 | Guia | Preços |
| Luna TTS da VUI Labs | Guia | Preços |
| Ming 3.0 TTS | Guia | Preços |
| Fish Audio S2.1 Pro | Guia | Preços |
| Gradium TTS de setembro e outubro | Guia | Preços |
| Grok Text to Speech | Guia | Preços |
| Murf Falcon 2.1 | Guia | Preços |
| Rime Coda v2 | Guia | Preços |
| Gradium Phonon 31M English | Guia | Preços |
| HeyGen Voice e Voice Turbo | Guia | Preços |
| Qwen Audio 3.0 e Omni 3.5 Realtime | Guia | Preços |
| GPT Realtime 1.5, 2 e 2.1 | Guia | Preços |
Guias por modelo
- Cartesia Managed Agents
- Gemini 3.1 Flash Live Minimal
- Grok Voice 3.0
- GPT-Live-1 (Sol, low)
- Phonic 1 (High)
- Eleven Realtime v1 Max
- GPT Realtime (Aug ’25)
- Nova 2.0 Sonic (Mar 2026)
- Deepgram Voice Agent (Default Cascaded System)
- Inworld Realtime (Default Cascaded System)
- Fish Audio Live 3
Fontes
- https://artificialanalysis.ai/text-to-speech/leaderboard/provider-voice (consulta em 17/11/2026)
- https://artificialanalysis.ai/text-to-speech/leaderboard/controlled-voice (consulta em 17/11/2026)
Tópicos relacionados no Centelharm
benchmarks·Geradores de música com IA: o ranking muda quando a voz entraACE Music e Suno ocupam o topo de provas diferentes. Compare os placares de canções e instrumentais antes de produzir sua trilha.


