Was ist Higgs TTS 3?
Higgs TTS 3 ist Boson AIs Text-to-Speech-Modell der dritten Generation, veröffentlicht am 4. Juni 2026 und auf manchen Ranglisten als Higgs Audio V3 TTS geführt. Es ist ein autoregressiver Decoder mit rund 4 Milliarden Parametern, der acht Ströme von Audiocodes mit 25 Frames pro Sekunde vorhersagt und Sprache mit 24 kHz ausgibt. Boson meldet eine Wort- oder Zeichenfehlerrate unter 5% in 85 Sprachen und zwischen 5% und 10% in 17 weiteren.
Es klont eine Stimme aus einem Referenzclip (ein Transkript des Clips verbessert die Ähnlichkeit) und versteht Inline-Tags für 21 Emotionen, Singen, Schreien und Flüstern, Tempo, Tonhöhe, Pausen und Geräuscheffekte wie Lachen oder Seufzen. Die Gewichte sind für Forschung und nichtkommerzielle Nutzung kostenlos; eine Creator Use Grant erlaubt zudem, eigene Podcasts und Videos mit Nennung von Boson zu monetarisieren. Für Produkte braucht es eine kommerzielle Lizenz oder Bosons API zu $15 pro Million Zeichen.
Was kostet Higgs TTS 3?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Self-hosted weights | Free | Nur Forschung, nichtkommerzielle Nutzung und Creator Use Grant |
| Boson API | $15 per million characters | Abrechnung nach Eingabezeichen; $10 Testguthaben für neue Konten |
| Commercial licence | Not published | Nötig, um das Modell zu hosten, einzubetten oder weiterzuverkaufen |
Gewichte kostenlos für Forschung, nichtkommerzielle Nutzung und Creator-Kanäle mit Nennung; Produkte brauchen eine kommerzielle Lizenz. Boson-API: $15 pro Million Zeichen, $10 Testguthaben.
Lohnt sich Higgs TTS 3?
Higgs TTS 3 ist das offene Modell für genaue Sprache in vielen Sprachen, solange du kein Produkt auf den Gewichten baust. In Bosons Tabellen liegt die durchschnittliche Fehlerrate im mehrsprachigen MiniMax-Test über 32 Sprachen bei 2,74%, gegenüber 2,98% für OmniVoice und 5,15% für Fish Audio S2 Pro, und über Bosons eigenen Satz von 111 Sprachen bei 3,61%, wo Qwen3-TTS-1.7B auf 97,09% kommt. In EmergentTTS-Eval, einem bewerteten Test des Gesprächsvortrags, gewinnt es 53,65% der Vergleiche gegenüber 43,80% für Fish S2 Pro.
Das sind Zahlen des Herstellers, und die Hörer-Arena erzählt eine nüchternere Geschichte. Artificial Analysis führt Bosons Higgs Audio V3 TTS auf Platz 78 von 104 mit 1.039 Elo, unter Kokoros 1.064 und weit hinter Fish Audio Drama 3 mit 1.275. Genauigkeit und Vorliebe sind verschiedene Dinge, und Higgs führt bei Ersterem. Bosons eigene Aufschlüsselung sieht es außerdem hinter OmniVoice bei Emotionen (53,75% gegenüber 61,07%) und hinter Qwen3-TTS bei schwieriger Aussprache.
Es ist für den Serverbetrieb gebaut. Auf einer H100 mit SGLang-Omni misst Boson 617 ms mittlere Latenz und einen Echtzeitfaktor von 0,147 für eine einzelne Anfrage; bei 16 gleichzeitigen Anfragen steigt sie auf 1.079 ms, während 61,84 Sekunden Audio pro Sekunde entstehen. Streaming liefert Audio stückweise über einen Endpunkt im OpenAI-Stil. Ein VRAM-Bedarf ist nicht veröffentlicht.
Der Haken: Die Research and Non-Commercial License verbietet Hosting, Einbettung in ein Produkt, Produktivbetrieb und interne Geschäftsnutzung über eine Evaluierung hinaus, und sie untersagt, die Ausgaben zum Training anderer Sprachmodelle zu nutzen. Zugleich ist es das strengste Einwilligungsregime in dieser Gruppe: Wer eine reale Person klont, braucht deren ausdrückliche, nachprüfbare Einwilligung, und kommerzielle Nutzer mit hohem Risiko müssen Nachweise führen, die Boson anfordern kann. Der Code setzt das nicht durch, aber die Bedingungen sind klar.
Unser Fazit: Higgs TTS 3 passt zu Forschenden oder zu einem Podcaster, der Boson nennt; ein Unternehmen sollte die Gewichte als kostenlosen Test der API zu $15 pro Million Zeichen behandeln und sie mit Fish Audio zum selben Preis vergleichen.
Wo es sich lohnt
Ein Sprachforscher an einem Universitätslabor
Testaudio in ressourcenarmen Sprachen für einen ASR-Benchmark erzeugen
Betreibe die Gewichte auf SGLang-Omni und rendere Prompts in Bosons 102 Sprachen mit einstelliger Fehlerrate. Forschung ist kostenlos; Ergebnisse und Beispiele in Papers zu veröffentlichen erlaubt die Lizenz.
Ein unabhängiger Podcaster mit wöchentlicher Sendung auf Englisch und Spanisch
Werbetexte und Segmente mit Lachen und Pausen einsprechen, wo das Skript sie vorsieht
Die Creator Use Grant deckt eigene monetarisierte Kanäle ab, sofern die Shownotes Boson AIs Higgs Audio nennen. Inline-Tags wie Lachen oder eine lange Pause stehen direkt im Skript.
Eine Kundenservice-Plattform, die Stimmen für Telefon-Agenten prüft
Mehrsprachige Agentenstimmen testen, bevor ein Vertrag unterschrieben wird
Interne Evaluierung ist mit den Gewichten erlaubt; der Produktivbetrieb braucht die API zu $15 pro Million Zeichen, 20 Millionen Zeichen im Monat kosten also etwa $300.
Bevor du dich festlegst
- Einrichtung
- Das SGLang-Omni-Docker-Image ziehen, die Gewichte mit einem Hugging-Face-Token laden und sgl-omni serve starten; Anfragen gehen an /v1/audio/speech. Das Transkript des Referenzclips verbessert das Klonen.
- Integrationen
- SGLang-Omni mit Continuous Batching, Hugging Face Transformers, Boson-API mit blockierender und Streaming-Erzeugung sowie Boson Workspace im Browser.
- Daten und Datenschutz
- Selbst gehostet bleibt das Audio lokal. Die Lizenz verbietet Klonen ohne ausdrückliche, nachprüfbare Einwilligung und das Entfernen von Wasserzeichen oder Herkunftssignalen und erlaubt Boson, bei Verteilern und Hostern höchstens einmal im Jahr ein Audit anzufordern.
- Kosten im großen Maßstab
- Bosons API berechnet $15 pro Million Eingabezeichen; erzeugtes Audio kostet nicht extra, Stilbeschreibungen zählen als Eingabe. Preise für kommerzielles Self-Hosting sind nicht veröffentlicht.
- Grenzen
- Trainings-Sequenzlänge von 8.192 Tokens. 17 Sprachen liegen im Fehlerband von 5% bis 10%, und die Latenz steigt auf einer H100 von 617 ms auf 1.079 ms, wenn die Parallelität von 1 auf 16 wächst.
Was gut ist
- 2,74% mittlere Fehlerrate über 32 Sprachen im MiniMax-Test, die niedrigste in Bosons Tabelle
- Inline-Tags für 21 Emotionen, Stile, Pausen und Geräuscheffekte
- 617 ms mittlere Latenz pro Anfrage auf einer H100 mit SGLang-Omni
- Klare Einwilligungsregeln, inklusive Nachweispflicht bei Hochrisiko-Nutzung
Was nicht
- Gewichte ohne kommerzielle Lizenz nicht in Produkten nutzbar
- Platz 78 von 104 mit 1.039 Elo in der Arena von Artificial Analysis
- Ausgaben dürfen nicht zum Training anderer Sprachmodelle dienen
- Kein veröffentlichter VRAM-Bedarf
Am besten für
Forschende und unabhängige Creator, die genaue, ausdrucksstarke Sprache in vielen Sprachen wollen, und Unternehmen, die Bosons API vor dem Kauf testen.
Alternativen zu Higgs TTS 3
Higgs TTS 3: häufige Fragen
- Lohnt sich Higgs TTS 3?
- Higgs TTS 3 erzielt in Bosons eigenen mehrsprachigen Tests die niedrigsten Fehlerraten, doch die Hörer bei Artificial Analysis sehen es im Mittelfeld, und die Lizenz hält es aus Produkten heraus. Wir bewerten es mit 3.8 von 5.
- Was kostet Higgs TTS 3?
- Gewichte kostenlos für Forschung, nichtkommerzielle Nutzung und Creator-Kanäle mit Nennung; Produkte brauchen eine kommerzielle Lizenz. Boson-API: $15 pro Million Zeichen, $10 Testguthaben.
- Welche Nachteile hat Higgs TTS 3?
- Gewichte ohne kommerzielle Lizenz nicht in Produkten nutzbar; Platz 78 von 104 mit 1.039 Elo in der Arena von Artificial Analysis; Ausgaben dürfen nicht zum Training anderer Sprachmodelle dienen; Kein veröffentlichter VRAM-Bedarf.
- Für wen eignet sich Higgs TTS 3?
- Forschende und unabhängige Creator, die genaue, ausdrucksstarke Sprache in vielen Sprachen wollen, und Unternehmen, die Bosons API vor dem Kauf testen.
- Was kostet Higgs TTS 3 für ein Team oder im Produktivbetrieb?
- Bosons API berechnet $15 pro Million Eingabezeichen; erzeugtes Audio kostet nicht extra, Stilbeschreibungen zählen als Eingabe. Preise für kommerzielles Self-Hosting sind nicht veröffentlicht.
- Ist Higgs TTS 3 sicher für Firmendaten?
- Selbst gehostet bleibt das Audio lokal. Die Lizenz verbietet Klonen ohne ausdrückliche, nachprüfbare Einwilligung und das Entfernen von Wasserzeichen oder Herkunftssignalen und erlaubt Boson, bei Verteilern und Hostern höchstens einmal im Jahr ein Audit anzufordern.
- Was sind die besten Alternativen zu Higgs TTS 3?
- Die nächsten Alternativen, die wir getestet haben, sind Fish Audio Drama 3, OmniVoice, VoxCPM2 und Qwen3-TTS.
Antworten geprüft am 7. Nov. 2026.