¿Qué es Breeze TTS 2?
Breeze TTS 2 es un modelo de texto a voz de BreezeBlue (la línea de copyright nombra a Resonia, Inc.), publicado con pesos abiertos el 25 de agosto de 2026. El checkpoint tiene unos 3.470 millones de parámetros sobre una base Qwen3 con un códec de audio de estilo Mimi, y la versión abierta habla inglés y chino. Clona una voz a partir de un clip de referencia y su transcripción exacta, diseña una voz nueva a partir de una descripción escrita y ajusta el tono y el ritmo de una voz clonada a partir de una instrucción. Etiquetas en línea como (laugh) y (sigh) añaden efectos vocales.
El código de inferencia en GitHub es Apache 2.0, pero los pesos llevan la BreezeBlue Research and Non-Commercial License. El uso comercial de la salida autoalojada requiere una licencia escrita aparte; los suscriptores de pago del servicio alojado de BreezeBlue pueden usar esa salida con fines comerciales. La página de Hugging Face registra unas 15.500 descargas en el último mes y 831 me gusta.
¿Cuánto cuesta Breeze TTS 2?
| Plan | Precio | Qué incluye |
|---|---|---|
| Self-hosted weights | Free | Solo investigación y uso no comercial |
| Free (hosted) | Free | 400 créditos diarios; las FAQ dicen que no se permite el uso comercial |
| Starter | $9/month | 30.000 créditos al mes |
| Creator | $19/month | 63.333 créditos al mes |
| Pro | $99/month | 330.000 créditos al mes |
| Scale | $299/month | 996.667 créditos al mes |
| Business | $999/month | 3.330.000 créditos al mes |
| Enterprise | By quote | Opciones on-premises y de residencia de datos |
Pesos gratuitos solo para investigación y uso no comercial. Planes alojados: Free (400 créditos diarios, 10 caracteres cada uno), Starter $9/mes, Creator $19/mes, Pro $99/mes, Scale $299/mes, Business $999/mes; unos $30 por millón de caracteres, o unos $25 con facturación anual. Enterprise bajo presupuesto.
¿Merece la pena Breeze TTS 2?
Breeze TTS 2 es uno de los dos modelos de voz de pesos abiertos que mejor suenan, y casi nadie puede meterlo legalmente en un producto. En la arena de escucha a ciegas de Artificial Analysis obtiene 1.233 Elo, puesto 11 de 98 modelos y segundo de 18 de pesos abiertos, 16 puntos por detrás de Fish Audio Drama 3 Preview y lejos de los 1.338 de Eleven v4 Turbo. La afirmación de BreezeBlue en el lanzamiento, el primer puesto entre los modelos abiertos, procedía de la instantánea del 26 de agosto, con 1.215 Elo; la clasificación se ha movido desde entonces.
La etiqueta de 'alternativa gratuita a ElevenLabs' no sobrevive a la licencia. Los pesos permiten el uso de investigación, personal y educativo, y una evaluación limitada dentro de una empresa. El uso en producción, servirlo mediante una API, el trabajo para clientes, el contenido monetizado y las operaciones internas más allá de la evaluación figuran todos como uso comercial, y la licencia dice que no hay excepción por umbral de ingresos ni para creadores. Las salidas también están cubiertas y no pueden usarse para entrenar otros modelos de voz. Los derechos comerciales solo llegan mediante un acuerdo escrito o con los planes alojados de BreezeBlue, donde no se aplican los límites de los pesos abiertos.
Las cifras de ingeniería son de la propia BreezeBlue y se midieron en una H100: menos de 40 ms hasta el primer audio y un factor de tiempo real de 0,32 en la ruta rápida ya calentada. La inferencia eager necesita unos 7,7 GiB de memoria de GPU, así que una tarjeta de 12 GB es el mínimo; la ruta rápida necesita 14,4 GiB. El servidor de streaming incluido atiende una petición cada vez y devuelve PCM en bruto a 24 kHz, así que un despliegue multiusuario obliga a escribir tu propio procesamiento por lotes. El proyecto audio.cpp ofrece compilaciones GGUF BF16, Q8 y Q4_0 con streaming, lo que rebaja los requisitos de hardware para uso aficionado.
La cuestión de los idiomas también cambia según el canal. La versión abierta solo admite inglés y chino, mientras que el servicio alojado de BreezeBlue anuncia 51 idiomas, y la empresa no dice si el modelo alojado es el mismo checkpoint. En precio, el endpoint alojado no es barato: Artificial Analysis lo sitúa en $34 por millón de caracteres frente a $15 de Fish Audio, y mide un rendimiento de 45 caracteres por segundo frente a los 102 de Fish Audio S2 Pro.
Dónde se gana su sitio
Un investigador de voz que compara modelos TTS abiertos para un artículo
Comparar la clonación de voz y el seguimiento de instrucciones con Qwen3-TTS y Fish Audio
Descarga el checkpoint, ejecuta los ejemplos de diseño y dirección de voz con --cfg-scale 4 y puntúa la salida con los conjuntos de benchmarks publicados por BreezeBlue. La licencia permite expresamente el uso en investigación y la publicación de resultados.
Un aficionado que hace audiolibros con una GPU doméstica de 12 GB
Narrar copias de lectura personales con una voz diseñada
Ejecuta la inferencia eager con unos 7,7 GiB, o un GGUF Q8 mediante audio.cpp. Vale para una biblioteca privada; vender las narraciones o publicarlas para obtener ingresos por publicidad cuenta como uso comercial y no está permitido.
Una product manager de una startup de aplicaciones de voz de 20 personas
Decidir si Breeze puede sustituir la factura de ElevenLabs
La licencia descarta el autoalojamiento, así que la comparación real es la de los planes alojados de BreezeBlue, unos $30 por millón de caracteres, frente a tu proveedor actual. Un mes de 10M de caracteres sale por unos $300 a precio de lista; el plan Business de $999 cubre unos 33M de caracteres.
Antes de decidirte
- Puesta en marcha
- Clona breezeblue-ai/breeze-tts, instala los requisitos con pip en Linux con Python 3.10 o posterior y una GPU NVIDIA, y apunta infer.py al checkpoint. Una compilación de Docker apunta por defecto a H100 y a A100 con una opción.
- Integraciones
- CLI de Python y un endpoint HTTP de streaming en /v1/audio/speech que devuelve PCM de 16 bits a 24 kHz; las compilaciones GGUF funcionan en audio.cpp; la API alojada de BreezeBlue comparte créditos con su aplicación Studio.
- Datos y privacidad
- Si lo alojas tú, el texto y el audio de referencia se quedan en tu equipo. La licencia de los pesos prohíbe el uso comercial del modelo y de sus salidas, prohíbe entrenar otros modelos de voz con las salidas y exige un archivo NOTICE y atribución en cualquier redistribución.
- Coste a escala
- El autoalojamiento necesita una GPU de 12 GB para la inferencia eager o de 24 GB para la ruta rápida, pero el uso en producción requiere una licencia comercial bajo petición. El precio alojado es de unos $30 por millón de caracteres, unos $25 con facturación anual; Artificial Analysis indica $34.
- Límites
- Solo inglés y chino en los pesos abiertos. El servidor de referencia atiende una sola petición simultánea, la ruta rápida añade tiempo de arranque en frío por la captura de grafos CUDA, y la clonación necesita un clip de referencia limpio con una transcripción exacta.
Lo bueno
- 1.233 Elo en Artificial Analysis, segundo entre 18 modelos TTS de pesos abiertos
- Clonación de voz, diseño de voz a partir de texto y clonación dirigida en un solo modelo
- Funciona en modo eager en una GPU de 12 GB; hay compilaciones GGUF en audio.cpp
- Código de inferencia Apache 2.0 con un endpoint HTTP de streaming
Lo malo
- Los pesos y las salidas autoalojadas no pueden tener ningún uso comercial
- La versión abierta solo cubre inglés y chino
- Las cifras de latencia las midió el proveedor en una H100
- El servidor de streaming de referencia atiende una petición cada vez
Ideal para
Investigadores, aficionados y equipos que evalúan la calidad de las voces abiertas y que, o bien se quedarán en un uso no comercial, o bien comprarán el plan alojado de BreezeBlue para producción.
Alternativas a Breeze TTS 2
Breeze TTS 2: preguntas frecuentes
- ¿Merece la pena Breeze TTS 2?
- Breeze TTS 2 suena como un modelo de voz puntero, pero su licencia lo convierte en una demo que puedes ejecutar en casa, no en un sustituto de ElevenLabs que puedas poner en un producto. Le damos un 3.8 sobre 5.
- ¿Cuánto cuesta Breeze TTS 2?
- Pesos gratuitos solo para investigación y uso no comercial. Planes alojados: Free (400 créditos diarios, 10 caracteres cada uno), Starter $9/mes, Creator $19/mes, Pro $99/mes, Scale $299/mes, Business $999/mes; unos $30 por millón de caracteres, o unos $25 con facturación anual. Enterprise bajo presupuesto.
- ¿Qué inconvenientes tiene Breeze TTS 2?
- Los pesos y las salidas autoalojadas no pueden tener ningún uso comercial; la versión abierta solo cubre inglés y chino; las cifras de latencia las midió el proveedor en una H100; el servidor de streaming de referencia atiende una petición cada vez.
- ¿Para quién es Breeze TTS 2?
- Investigadores, aficionados y equipos que evalúan la calidad de las voces abiertas y que, o bien se quedarán en un uso no comercial, o bien comprarán el plan alojado de BreezeBlue para producción.
- ¿Cuánto cuesta Breeze TTS 2 para un equipo o en producción?
- El autoalojamiento necesita una GPU de 12 GB para la inferencia eager o de 24 GB para la ruta rápida, pero el uso en producción requiere una licencia comercial bajo petición. El precio alojado es de unos $30 por millón de caracteres, unos $25 con facturación anual; Artificial Analysis indica $34.
- ¿Es Breeze TTS 2 seguro para los datos de la empresa?
- Si lo alojas tú, el texto y el audio de referencia se quedan en tu equipo. La licencia de los pesos prohíbe el uso comercial del modelo y de sus salidas, prohíbe entrenar otros modelos de voz con las salidas y exige un archivo NOTICE y atribución en cualquier redistribución.
- ¿Cuáles son las mejores alternativas a Breeze TTS 2?
- Las alternativas más cercanas que hemos analizado son Qwen3-TTS, OmniVoice, Chatterbox, Kokoro-82M y Eleven v4 and v4 Turbo.
Respuestas comprobadas el 26 oct 2026.