Modelli audio AI gratis

Due classifiche di modelli aperti che puoi usare gratis: da voce a testo (scrivono quello che dici) e da testo a voce (leggono il testo ad alta voce). Arena non classifica l'audio, quindi queste vengono da altre due classifiche pubbliche, citate qui sotto.

Miglior da voce a testoQwen3 ASR 1.7B4.31% di parole sbagliate · 2.04 B

Miglior da testo a vocekokoropunteggio 1211 · 34K voti

Modelli aperti in classifica9049 da voce a testo, 41 da testo a voce

Provalo ora Novità

Niente account, niente pagamento. 6 prove al giorno per visitatore. Gira su Cloudflare Workers AI. Non salviamo la tua voce né il tuo testo. Non registrare dati personali.

Da voce a testo

Whisper Large v3 Turbo di OpenAI, #36 nella classifica qui sotto. Parla fino a 30 secondi, in qualsiasi lingua.

Carica un file

Da testo a voce

MeloTTS di MyShell, #27 nella classifica qui sotto. Fino a 300 caratteri.

Da testo a voce in italiano, tedesco e portoghese Novità

Voci Piper (open source, licenza MIT), sul nostro server vocale gratuito su Hugging Face: niente da scaricare, niente account. Il tuo testo non viene salvato. Se il server è occupato, puoi usare la stessa voce nel tuo browser.

Fino a 600 caratteri. Il server gratuito si riattiva dopo un periodo di inattività, quindi la prima prova può richiedere circa 30 secondi. Usarla nel browser scarica la voce una volta (28–64 MB, più circa 10 MB per il motore) e funziona meglio su un computer.

Questi due sono i modelli audio aperti che Cloudflare esegue gratis; quelli in cima alle classifiche qui sotto sono migliori, ma vanno usati sul tuo computer o su Hugging Face.

Da voce a testo (audio in ingresso)

Qwen3 ASR 1.7B 95.69 Hojo ASR V1 95.67 higgs audio v3 stt 95.61 granite speech 5.0 2b 95.58 canary qwen 2.5b 95.57 ARK ASR 3B 95.53 thewhisper large v3 turbo 95.46 ARK ASR 0.6B 95.44 granite speech 4.1 2b 95.38 MOSS Transcribe Diarize 95.36 cohere transcribe 03 2026 95.33 parakeet tdt 0.6b v2 (fast gpu asr) 95.33

909294

Parole trascritte giuste (%), inglese, l'asse parte da 90. Più alto è meglio. Media su 8 set di test in inglese che hanno tutti i modelli aperti dell'elenco.

Cosa mostra · Come leggerlo

Cosa mostra. I 12 modelli aperti da voce a testo che sbagliano meno su registrazioni in inglese: riunioni, telefonate, libri letti, parlato con accento.

Come leggerlo. Barra più lunga, più parole giuste. Differenze sotto mezzo punto sono piccole; scegli anche in base a dimensione e velocità, nella tabella qui sotto.

#	Modello	Parole sbagliate	Dimensione	Lingue	Velocità	Licenza
1	Qwen3 ASR 1.7B Qwen	4.31%	2.04 B	52	836×	apache-2.0
2	Hojo ASR V1 HojoAI	4.33%	5.18 B	2	73×	apache-2.0
3	higgs audio v3 stt bosonai	4.39%	2.68 B	1	110×	apache-2.0
4	granite speech 5.0 2b ibm-granite	4.42%	2.31 B	6	545×	apache-2.0
5	canary qwen 2.5b nvidia	4.43%	2.5 B	—	882×	cc-by-4.0
6	ARK ASR 3B Edge0	4.47%	3.75 B	19	480×	apache-2.0
7	thewhisper large v3 turbo TheStageAI	4.54%	0.8 B	28	1K×	cc-by-4.0
8	ARK ASR 0.6B Edge0	4.56%	1.15 B	19	673×	apache-2.0
9	granite speech 4.1 2b ibm-granite	4.62%	2 B	6	547×	apache-2.0
10	MOSS Transcribe Diarize OpenMOSS-Team	4.64%	0.91 B	50	387×	apache-2.0
11	cohere transcribe 03 2026 CohereLabs	4.67%	2 B	14	924×	apache-2.0
12	parakeet tdt 0.6b v2 (fast gpu asr) nvidia	4.67%	0.6 B	—	17K×	cc-by-4.0
13	granite speech 4.1 2b nar ibm-granite	4.68%	2 B	5	2K×	apache-2.0
14	parakeet tdt 0.6b v2 nvidia	4.7%	0.6 B	—	6K×	cc-by-4.0
15	parakeet tdt 0.6b v3 (fast gpu asr) nvidia	4.71%	0.6 B	26	14K×	cc-by-4.0
16	granite speech 5.0 470m turboctc nc ibm-granite	4.84%	0.47 B	—	21K×	cc-by-nc-sa-4.0 non commerciale
17	parakeet tdt 0.6b v3 nvidia	4.84%	0.6 B	26	6K×	cc-by-4.0
18	Voxtral Small 24B 2507 mistralai	4.99%	24 B	8	101×	apache-2.0
19	Phi 4 multimodal instruct microsoft	5.02%	6 B	8	163×	mit
20	granite speech 5.0 470m turboctc ibm-granite	5.03%	0.47 B	—	21K×	apache-2.0
21	Qwen3 ASR 0.6B Qwen	5.05%	0.78 B	52	750×	apache-2.0
22	granite 4.0 1b speech ibm-granite	5.1%	2 B	6	667×	apache-2.0
23	Phonon 2 FermionResearch	5.17%	0.6 B	1	2K×	cc-by-4.0
24	nemotron speech streaming en 0.6b nvidia	5.24%	0.62 B	—	1K×	nvidia-open-model-license
25	granite speech 3.3 8b ibm-granite	5.26%	9 B	5	263×	apache-2.0
26	Zipformer cr ctc transducer XL 290M (fast gpu asr, transducer modified beam search) soundsgoodai	5.29%	0.29 B	—	22K×	cc-by-nc-4.0 non commerciale
27	granite speech 3.3 2b ibm-granite	5.36%	3 B	5	509×	apache-2.0
28	distil large v3.5 distil-whisper	5.4%	0.8 B	1	898×	mit
29	Voxtral Mini 3B 2507 mistralai	5.54%	5 B	8	180×	apache-2.0
30	VibeVoice ASR microsoft	5.58%	8 B	50	218×	mit
31	canary 1b v2 nvidia	5.71%	1 B	25	2K×	cc-by-4.0
32	Fun ASR Nano 2512 FunAudioLLM	5.74%	0.83 B	4	506×	apache-2.0
33	whisper large v3 openai	5.78%	2 B	99	471×	apache-2.0
34	parakeet ctc 1.1b nvidia	5.92%	1.1 B	—	5K×	cc-by-4.0
35	owsm ctc v4 1B espnet	6.28%	1 B	75	783×	cc-by-4.0
36	whisper large v3 turbo openai	6.36%	0.8 B	99	811×	mit
37	Zipformer cr ctc transducer XL 290M (fast gpu asr, ctc greedy search) soundsgoodai	6.38%	0.29 B	—	24K×	cc-by-nc-4.0 non commerciale
38	omniASR LLM 7B v2 facebook	6.4%	7.8 B	1676	130×	apache-2.0
39	Voxtral Mini 4B Realtime 2602 mistralai	6.46%	4 B	13	103×	apache-2.0
40	Audio8 ASR 0.1B Edge0	6.95%	0.324 B	7	726×	apache-2.0
41	niagara 84m batch.en abr-ai	7.46%	0.084 B	1	2K×	applied-brain-research-open-license
42	nemotron 3.5 asr streaming 0.6b nvidia	7.88%	0.64 B	40	1K×	OpenMDW-1.1
43	niagara 38m batch.en abr-ai	8.74%	0.038 B	1	5K×	applied-brain-research-open-license
44	omniASR CTC 7B v2 facebook	9.07%	6.5 B	1676	522×	apache-2.0
45	gemma 4 E4B it google	9.51%	7.94 B	140	161×	apache-2.0
46	niagara 19m batch.en abr-ai	10.41%	0.02 B	1	4K×	applied-brain-research-open-license
47	gemma 4 E2B it google	11.65%	—	140	191×	apache-2.0
48	niagara 9m batch.en abr-ai	13.49%	0.009 B	1	7K×	applied-brain-research-open-license
49	gemma 4 12B it google	20.87%	—	140	106×	apache-2.0

Word error rate (tasso di errore sulle parole): la quota di parole che il modello sbaglia, più basso è meglio; media su 8 set di test in inglese (AMI-Cleaned, Earnings22-Cleaned-AA-chunked, Gigaspeech-Cleaned, LS Clean, LS Other, SPGISpeech, Voice Arena Monsoon, Voxpopuli-AA-Cleaned). Velocità: quante volte più veloce del tempo reale sulla GPU della classifica. Fonte: Open ASR Leaderboard (Hugging Face), solo modelli aperti; ricalcoliamo la media sui set di test che hanno tutti, quindi l'ordine può differire un po' dalla pagina originale.

Da testo a voce (audio in uscita)

kokoro 1211 Orpheus TTS 1198 Qwen3 TTS Voice Design 1189 Qwen3 TTS 1125 xtts 1114 MOSS TTS 1100 Chatterbox 1099 IndexTTS 1076 MegaTTS3 1072 parler tts 1058 SparkTTS 1052 fish speech 1 1051

100011001200

Punteggio dai voti alla cieca (1000 = media), l'asse parte da 950. Più alto è meglio. Calcolato da noi sui voti pubblici di Arena con il metodo Bradley-Terry, come fa Arena.

Cosa mostra · Come leggerlo

Cosa mostra. I 12 modelli vocali aperti che le persone hanno preferito di più nei test di ascolto alla cieca.

Come leggerlo. Barra più lunga, preferito più spesso. 1000 è la voce media; 100 punti in più vuol dire che vince circa il 64% delle volte contro una voce media.

#	Modello vocale	Punteggio	±	Voti	Ultimo voto
1	kokoro hexgrad/kokoro	1211	±4	34K	20 ott 2026
2	Orpheus TTS MohamedRashad/Orpheus-TTS	1198	±5	19K	20 ott 2026
3	Qwen3 TTS Voice Design Qwen/Qwen3-TTS-Voice-Design	1189	±16	2K	19 giu 2026
4	Qwen3 TTS Qwen/Qwen3-TTS	1125	±8	8K	20 ott 2026
5	xtts coqui/xtts	1114	±7	11K	20 feb 2026
6	MOSS TTS OpenMOSS-Team/MOSS-TTS	1100	±17	2K	20 ott 2026
7	Chatterbox ResembleAI/Chatterbox	1099	±10	6K	10 mar 2026
8	IndexTTS IndexTeam/IndexTTS	1076	±16	2K	15 lug 2025
9	MegaTTS3 ByteDance/MegaTTS3	1072	±14	3K	30 nov 2025
10	parler tts parler-tts/parler_tts	1058	±7	11K	23 apr 2025
11	SparkTTS thunnai/SparkTTS	1052	±15	2K	15 lug 2025
12	fish speech 1 fishaudio/fish-speech-1	1051	±9	6K	8 apr 2025
13	chatterbox turbo ResembleAI/chatterbox-turbo-demo	1051	±7	10K	20 ott 2026
14	csm 1b sesame/csm-1b	1050	±18	2K	15 lug 2025
15	maskgct audio lab Svngoku/maskgct-audio-lab	1042	±12	3K	23 feb 2025
16	large parler-tts/parler_tts/large	1041	±13	3K	8 mar 2025
17	openaudio s1 mini fishaudio/openaudio-s1-mini	1037	±16	2K	6 feb 2026
18	KaniTTS nineninesix/KaniTTS	1036	±29	639	27 feb 2026
19	llasa 3b tts srinivasbilla/llasa-3b-tts	1031	±11	4K	20 feb 2026
20	Zonos Steveeeeeeen/Zonos	1028	±21	1K	6 ago 2025
21	MetaVoice 1B v0.1 mrfakename/MetaVoice-1B-v0.1	1021	±27	706	25 ott 2024
22	hybrid Steveeeeeeen/Zonos/hybrid	1015	±18	2K	9 apr 2025
23	llasa 8b tts srinivasbilla/llasa-8b-tts	1015	±23	936	23 feb 2025
24	E2 F5 TTS mrfakename/E2-F5-TTS	1001	±5	20K	20 ott 2026
25	MeloTTS mrfakename/MeloTTS	1000	±8	8K	8 mar 2025
26	parler tts expresso parler-tts/parler-tts-expresso	980	±13	3K	9 feb 2025
27	GPT SoVITS v2 lj1995/GPT-SoVITS-v2	975	±17	2K	4 apr 2025
28	style tts 2 Pendrokar/style-tts-2	974	±14	3K	9 feb 2025
29	multi parler tts PHBJT/multi_parler_tts	973	±28	719	15 lug 2025
30	kanitts 2 en nineninesix/kanitts-2-en	947	±29	680	10 mar 2026
31	Llasa 1B finetuned for two speakers HKUST-Audio/Llasa-1B-finetuned-for-two-speakers	930	±25	878	21 mar 2025
32	OuteTTS 0.3 1B OuteAI/OuteTTS-0.3-1B-Demo	896	±21	1K	25 gen 2025
33	EnglishToucan Flux9665/EnglishToucan	895	±26	814	16 dic 2024
34	OpenVoiceV2 myshell-ai/OpenVoiceV2	888	±35	424	25 ott 2024
35	OpenVoice myshell-ai/OpenVoice	876	±37	378	6 ott 2024
36	xVASynth TTS Pendrokar/xVASynth-TTS	860	±14	3K	15 feb 2026
37	HierSpeech TTS LeeSangHoon/HierSpeech_TTS	859	±22	1K	5 gen 2025
38	WhisperSpeech collabora/WhisperSpeech	844	±22	1K	15 nov 2024
39	NoDeepMoji Pendrokar/xVASynth-TTS/NoDeepMoji	842	±32	659	4 apr 2025
40	GPT SoVITS ProPlus lj1995/GPT-SoVITS-ProPlus	840	±12	6K	15 feb 2026
41	OuteTTS 0.2 500M ameerazam08/OuteTTS-0.2-500M-Demo	840	±20	2K	25 gen 2025

Le persone ascoltano due voci che leggono lo stesso testo, senza nomi, e scelgono la migliore. Fonte: TTS Spaces Arena (Pendrokar), 94K voti su modelli aperti che girano su Hugging Face Spaces; le voci cloud a pagamento sono escluse. Servono 300 voti per entrare in classifica. Molti voti sono di 2024–2025: «ultimo voto» mostra quanto sono recenti i voti di ogni modello.

4 modelli con meno di 300 voti

#	Modello vocale	Punteggio	±	Voti	Ultimo voto
1	parler tts mini parler-tts/parler_tts_mini	1125	±199	20	2 ago 2024
2	Pocket TTS NeuralFalcon/Pocket-TTS	1115	±59	142	18 feb 2026
3	MassivelyMultilingualTTS Flux9665/MassivelyMultilingualTTS	921	±58	153	25 ott 2024
4	Text to Speech amphion/Text-to-Speech	704	±115	43	11 apr 2024

Voci aperte su TTS Arena V2

TTS Arena V2 classifica soprattutto voci a pagamento; queste sono quelle aperte che elenca, con i suoi punteggi (una scala diversa da quella della tabella qui sopra). Fonte: TTS Arena V2.

Modello vocale	Punteggio TTS Arena V2	±	Voti	Ancora in gara
Tontaube V1 (pre-filter-fix)	1608	±205	4	sì
Chatterbox	1476	±20	2K	sì
Kokoro v1.0	1473	±23	1K	ritirato
CosyVoice 2.0	1443	±83	58	ritirato
Maya 1	1406	±36	467	ritirato
Tontaube V1	1392	±99	51	sì
Fluxions Vui	1364	±92	69	sì
Veena	1360	±34	510	ritirato

Su queste classifiche

Queste classifiche sono gestite da altri, non da Arena e non da noi. Nessuna indica una licenza per riusare i risultati, quindi le mostriamo con il riferimento e un link all'originale. Dati aggiornati al 20 ott 2026. Vuoi confrontare invece i modelli di testo? Vai alla classifica dei modelli gratis o vota in Free Arena.

Condividi questa pagina:X LinkedIn Reddit WhatsApp

Hai visto un numero sbagliato o un link rotto? Segnala un errore