¿Qué es Higgs TTS 3?
Higgs TTS 3 es el modelo de texto a voz de tercera generación de Boson AI, publicado el 4 de junio de 2026 y listado en algunas clasificaciones como Higgs Audio V3 TTS. Es un decodificador autorregresivo de unos 4.000 millones de parámetros que predice ocho flujos de códigos de audio a 25 fotogramas por segundo y genera voz a 24 kHz. Boson informa de una tasa de error de palabras o caracteres inferior al 5% en 85 idiomas y de entre el 5% y el 10% en otros 17.
Clona una voz a partir de un clip de referencia (una transcripción del clip mejora el parecido) y acepta etiquetas en línea para 21 emociones, canto, gritos y susurros, velocidad, tono, pausas y efectos de sonido como una risa o un suspiro. Los pesos son gratuitos para investigación y uso no comercial; una Creator Use Grant permite además monetizar los propios podcasts y vídeos citando a Boson. El uso en productos requiere una licencia comercial o la API de Boson a $15 por millón de caracteres.
¿Cuánto cuesta Higgs TTS 3?
| Plan | Precio | Qué incluye |
|---|---|---|
| Self-hosted weights | Free | Solo investigación, uso no comercial y Creator Use Grant |
| Boson API | $15 per million characters | Se factura por caracteres de entrada; $10 de crédito de prueba para cuentas nuevas |
| Commercial licence | Not published | Necesaria para alojar, integrar o revender el modelo |
Pesos gratuitos para investigación, uso no comercial y canales de creadores con mención; los productos necesitan licencia comercial. API de Boson: $15 por millón de caracteres, $10 de crédito de prueba.
¿Merece la pena Higgs TTS 3?
Higgs TTS 3 es el modelo abierto a mirar para una voz precisa en muchos idiomas, siempre que no construyas un producto sobre los pesos. En las tablas de Boson promedia una tasa de error del 2,74% en 32 idiomas en la prueba multilingüe de MiniMax, frente al 2,98% de OmniVoice y el 5,15% de Fish Audio S2 Pro, y del 3,61% en el conjunto propio de Boson de 111 idiomas, donde Qwen3-TTS-1.7B obtiene un 97,09%. En EmergentTTS-Eval, una prueba arbitrada de expresión conversacional, gana el 53,65% de las comparaciones frente al 43,80% de Fish S2 Pro.
Esas son cifras del fabricante, y la arena de escucha cuenta una historia más fría. Artificial Analysis sitúa Higgs Audio V3 TTS de Boson en el puesto 78 de 104 con 1.039 de Elo, por debajo de los 1.064 de Kokoro y muy por detrás de Fish Audio Drama 3 con 1.275. Precisión y preferencia son cosas distintas, y Higgs lidera en la primera. El propio desglose de Boson lo deja también por detrás de OmniVoice en emociones (53,75% frente a 61,07%) y de Qwen3-TTS en pronunciación compleja.
Está hecho para servir. En una H100 con SGLang-Omni, Boson mide 617 ms de latencia media y un factor de tiempo real de 0,147 para una sola petición, que sube a 1.079 ms con 16 peticiones simultáneas mientras produce 61,84 segundos de audio por segundo. El streaming devuelve audio por fragmentos a través de un endpoint al estilo de OpenAI. No se publica la VRAM necesaria.
La pega: la Research and Non-Commercial License prohíbe alojarlo, integrarlo en un producto, usarlo en producción y el uso interno de empresa más allá de la evaluación, y prohíbe usar sus salidas para entrenar otros modelos de voz. Es también el régimen de consentimiento más estricto de este grupo: clonar a una persona real exige su consentimiento explícito y verificable, y los usuarios comerciales de alto riesgo deben guardar registros que Boson puede pedir. Nada en el código lo impone, pero las condiciones son claras.
Nuestra opinión: Higgs TTS 3 encaja con un investigador o con un podcaster que cita a Boson; una empresa debería tratar los pesos como una prueba gratuita de la API de $15 por millón de caracteres y compararla con Fish Audio al mismo precio.
Dónde se gana su sitio
Un investigador de voz en un laboratorio universitario
Generar audio de prueba en idiomas con pocos recursos para un benchmark de ASR
Ejecuta los pesos en SGLang-Omni y genera prompts en los 102 idiomas con error de un solo dígito según Boson. El uso de investigación es gratuito; la licencia permite publicar resultados y muestras en artículos.
Un podcaster independiente con un programa semanal en inglés y español
Locutar cuñas y secciones con risas y pausas donde lo pide el guion
La Creator Use Grant cubre canales monetizados propios, siempre que las notas del episodio citen Higgs Audio de Boson AI. Las etiquetas en línea, como una risa o una pausa larga, van directamente en el guion.
Una plataforma de atención al cliente que evalúa voces para agentes telefónicos
Probar la voz multilingüe del agente antes de firmar un contrato
La evaluación interna está permitida con los pesos; la producción necesita la API a $15 por millón de caracteres, así que 20 millones de caracteres al mes costarían unos $300.
Antes de decidirte
- Puesta en marcha
- Descarga la imagen Docker de SGLang-Omni, baja los pesos con un token de Hugging Face y ejecuta sgl-omni serve; las peticiones van a /v1/audio/speech. Dar la transcripción del clip de referencia mejora la clonación.
- Integraciones
- SGLang-Omni con batching continuo, Hugging Face Transformers, API de Boson con generación bloqueante y en streaming, y Boson Workspace en el navegador.
- Datos y privacidad
- El autoalojamiento mantiene el audio en local. La licencia prohíbe clonar sin consentimiento explícito y verificable y eliminar marcas de agua o señales de procedencia, y permite a Boson pedir una auditoría a distribuidores y alojadores como máximo una vez al año.
- Coste a escala
- La API de Boson cobra $15 por millón de caracteres de entrada; el audio generado no se cobra aparte y las descripciones de estilo cuentan como entrada. No se publican precios para el autoalojamiento comercial.
- Límites
- Longitud de secuencia de entrenamiento de 8.192 tokens. 17 idiomas están en la franja de error del 5% al 10%, y la latencia sube de 617 ms a 1.079 ms al pasar de 1 a 16 peticiones simultáneas en una H100.
Lo bueno
- Error medio del 2,74% en 32 idiomas en la prueba de MiniMax, el más bajo de la tabla de Boson
- Etiquetas en línea para 21 emociones, estilos, pausas y efectos de sonido
- 617 ms de latencia media por petición en una H100 con SGLang-Omni
- Reglas de consentimiento claras, con registros para usos de alto riesgo
Lo malo
- Los pesos no se pueden usar en productos sin licencia comercial
- Puesto 78 de 104 con 1.039 de Elo en la arena de Artificial Analysis
- Las salidas no pueden usarse para entrenar otros modelos de voz
- No se publica la VRAM necesaria
Ideal para
Investigadores y creadores independientes que quieren una voz precisa y expresiva en muchos idiomas, y empresas que prueban la API de Boson antes de comprar.
Alternativas a Higgs TTS 3
Higgs TTS 3: preguntas frecuentes
- ¿Merece la pena Higgs TTS 3?
- Higgs TTS 3 logra las tasas de error más bajas en las pruebas multilingües de la propia Boson, pero los oyentes de Artificial Analysis lo sitúan a media tabla y su licencia lo deja fuera de los productos. Le damos un 3.8 sobre 5.
- ¿Cuánto cuesta Higgs TTS 3?
- Pesos gratuitos para investigación, uso no comercial y canales de creadores con mención; los productos necesitan licencia comercial. API de Boson: $15 por millón de caracteres, $10 de crédito de prueba.
- ¿Qué inconvenientes tiene Higgs TTS 3?
- Los pesos no se pueden usar en productos sin licencia comercial; puesto 78 de 104 con 1.039 de Elo en la arena de Artificial Analysis; las salidas no pueden usarse para entrenar otros modelos de voz; no se publica la VRAM necesaria.
- ¿Para quién es Higgs TTS 3?
- Investigadores y creadores independientes que quieren una voz precisa y expresiva en muchos idiomas, y empresas que prueban la API de Boson antes de comprar.
- ¿Cuánto cuesta Higgs TTS 3 para un equipo o en producción?
- La API de Boson cobra $15 por millón de caracteres de entrada; el audio generado no se cobra aparte y las descripciones de estilo cuentan como entrada. No se publican precios para el autoalojamiento comercial.
- ¿Es Higgs TTS 3 seguro para los datos de la empresa?
- El autoalojamiento mantiene el audio en local. La licencia prohíbe clonar sin consentimiento explícito y verificable y eliminar marcas de agua o señales de procedencia, y permite a Boson pedir una auditoría a distribuidores y alojadores como máximo una vez al año.
- ¿Cuáles son las mejores alternativas a Higgs TTS 3?
- Las alternativas más cercanas que hemos analizado son Fish Audio Drama 3, OmniVoice, VoxCPM2 y Qwen3-TTS.
Respuestas comprobadas el 7 nov 2026.