Speechify的Simba 3.2 API在Artificial Analysis语音竞技场中位居榜首

语音合成技术领域迎来新霸主。据Artificial Analysis发布的语音竞技场排行榜显示，Speechify公司的Simba 3.2 API模型以Elo评分1233分位居第一，击败了谷歌的Gemini 3.1 Flash TTS（Elo 1214分）和其他竞争对手。该榜单通过盲测用户投票产生：用户聆听同一文本生成的语音样本，选择更自然的那一个，从而形成Elo评分。这种排名方式确保了结果的客观性和公正性，因为用户无法知道哪个模型生成了哪个样本。

排名前五的模型包括：1. Simba 3.2（1233分）、2. Gemini 3.1 Flash TTS（1214分）、3. Sonic 3.5（1210分）、4. Fun-Realtime-TTS（1206分）、5. Realtime TTS-2 Research Preview（1201分）。这些模型涵盖了不同的技术路线和应用场景。用户还可以按照知识分享、助手、娱乐和客户服务等类别筛选模型，也可以按美式或英式口音过滤，方便针对特定需求寻找最佳模型。

在开源模型领域，Step Audio EditX（2026年3月版）以Elo 1115分领先，其次是Fish Audio S2 Pro（1110分）和Voxtral TTS（1076分）。目前89个模型中有15个为开源，开源模型的快速发展为开发者提供了更多选择和灵活性。成本方面，Kokoro 82M v1.0是最经济的选择，每百万字符仅需0.65美元，Elo评分为1058分；StyleTTS 2每百万字符2.82美元，性价比也不错。这些低成本模型使得语音合成技术更加普及，即使是小型团队也能负担得起高质量的语音输出。

总体而言，Simba 3.2的登顶标志着语音合成技术又向前迈进了一步，而丰富的筛选功能和开源选项则为不同需求的用户提供了灵活的解决方案。