Melhores modelos de texto para fala de 2026

Das 11 opções de modelos de texto para fala que analisamos, as melhores no momento são Eleven v4 and v4 Turbo, Gemini 3.8 Flash TTS e Cartesia Sonic 3.6. Cada uma aparece pela nossa nota, com preço, nosso veredito e para quem é indicada.

Por Andrew Miller · Atualizado em 2 de nov. de 2026 · Como avaliamos

Como montamos o ranking: pela nossa nota (máximo 5), com base em análises feitas a partir dos preços, da documentação e das políticas de cada produto, além de benchmarks independentes quando existem, cada uma verificada na data indicada na análise. Não recebemos comissão de afiliados.

1. 1
   

   Eleven v4 and v4 Turbo

   Nada nos rankings públicos soa melhor, mas o Gemini 3.8 Flash TTS do Google fica a menos de 60 pontos Elo por cerca de um quinto do preço do v4.

   Ideal para: Produtores de audiolivros, jogos e dublagem que precisam das vozes mais expressivas, e equipes de agentes de voz que querem qualidade de topo do ranking pela tarifa menor do Turbo.

   Preço: API: v4 US$ 0,08 e v4 Turbo US$ 0,04 por 1.000 caracteres. Assinaturas do Starter a US$ 6/mês ao Business a US$ 990/mês incluem cotas de caracteres.

   Leia nossa análise de Eleven v4 and v4 Turbo
   4.7/5
2. 2
   

   Gemini 3.8 Flash TTS

   Quinto em votações às cegas por menos da metade do preço do Eleven v4 Turbo, o Gemini 3.8 Flash TTS é uma pechincha com data de validade: 1º de janeiro.

   Ideal para: Desenvolvedores que produzem narração longa ou dublagem multilíngue, querem qualidade quase de ponta e conseguem absorver o aumento de preço de janeiro.

   Preço: Flash TTS: $0,50 por 1M de tokens de texto de entrada, $9 por 1M de tokens de áudio de saída (cerca de $0,81 por hora de áudio) até 31 de dezembro de 2026, dobrando em 1º de janeiro de 2027. Flash-Lite: $6 por 1M de tokens de áudio de saída. Batch pela metade do preço; nível gratuito no AI Studio.

   Leia nossa análise de Gemini 3.8 Flash TTS
   4.5/5
3. 3
   

   Cartesia Sonic 3.6

   O Sonic 3.6 fechou boa parte da distância para o ElevenLabs em uma única versão e custa menos por caractere que o Eleven v4, mas treina com o conteúdo dos clientes a menos que você peça exclusão.

   Ideal para: Equipes que constroem agentes de voz em produção e querem vozes estáveis e versionadas a um preço moderado.

   Preço: Plano Free com 20K créditos/mês (sem licença comercial); Pro $5 (100K), Startup $49 (1.25M), Scale $299 (8M); excedente de $38 a $65 por 1M de créditos. Um crédito é um caractere, cerca de 750 a 800 por minuto de áudio.

   Leia nossa análise de Cartesia Sonic 3.6
   4.4/5
4. 4
   

   Fish Audio Drama 3

   O Drama 3 dá aos pesos abertos uma voz que os ouvintes colocam ao lado dos líderes pagos, sob uma licença que deixa de ser gratuita no momento em que uma empresa ou uma API de voz fica séria.

   Ideal para: Pequenos estúdios, desenvolvedores de jogos e criadores de apps abaixo do teto de receita que querem narração e diálogos com vários personagens próximos do ElevenLabs nas próprias GPUs.

   Preço: Pesos gratuitos sob a Fish Audio Community License para pesquisa e para empresas com menos de US$ 500.000 de receita anual. API: US$ 50 por 1M de bytes UTF-8, US$ 10 até 12 de novembro de 2026.

   Leia nossa análise de Fish Audio Drama 3
   4.2/5
5. 5
   

   Maya 2 Native

   Para agentes de voz em idiomas indianos, o Maya 2 Native é o modelo aberto por onde começar: perto dos líderes pagos em hindi e barato de rodar em escala, com pontuações automáticas fazendo as vezes de prova em todo o resto.

   Ideal para: Desenvolvedores que constroem agentes de voz, URAs ou narração em idiomas indianos e querem auto-hospedar sob uma licença permissiva.

   Preço: Gratuito sob Apache 2.0 (codec Mimi CC BY 4.0); auto-hospedado nas suas próprias GPUs. Nenhum preço hospedado próprio publicado.

   Leia nossa análise de Maya 2 Native
   4.0/5
6. 6
   

   OmniVoice

   O OmniVoice é o modelo aberto de TTS a escolher quando o idioma não está na lista de mais ninguém, desde que o seu advogado leia a licença do tokenizer.

   Ideal para: Desenvolvedores que precisam de fala aberta e hospedada por conta própria em idiomas que os líderes comerciais e abertos não cobrem.

   Preço: Pesos gratuitos; código sob Apache 2.0, tokenizer de áudio sob a Boson Higgs Audio 2 Community License (licença ampliada necessária acima de 100.000 usuários ativos anuais).

   Leia nossa análise de OmniVoice
   4.0/5
7. 7
   K

   Kokoro-82M

   Nada tão pequeno soa tão bem, mas ele não recebe atualizações desde agosto de 2025, então trate-o como software pronto, e não como um projeto que vai melhorar.

   Ideal para: Desenvolvedores que precisam de fala barata e com licença permissiva para narração, acessibilidade ou protótipos.

   Preço: Gratuito sob Apache 2.0. Hospedado a US$ 0,65 por milhão de caracteres na Replicate (via Artificial Analysis), o mais barato do seu leaderboard, e a US$ 0,99 na DeepInfra.

   Leia nossa análise de Kokoro-82M
   3.9/5
8. 8
   

   Breeze TTS 2

   O Breeze TTS 2 soa como um modelo de voz de ponta, mas sua licença o torna uma demo que você roda em casa, não um substituto do ElevenLabs que você pode colocar em produção.

   Ideal para: Pesquisadores, amadores e equipes avaliando a qualidade de voz aberta que vão continuar no uso não comercial ou comprar o plano hospedado da BreezeBlue para produção.

   Preço: Pesos gratuitos apenas para pesquisa e uso não comercial. Planos hospedados: Free (400 créditos diários, 10 caracteres cada), Starter $9/mês, Creator $19/mês, Pro $99/mês, Scale $299/mês, Business $999/mês; cerca de $30 por milhão de caracteres, ou uns $25 com cobrança anual. Enterprise sob cotação.

   Leia nossa análise de Breeze TTS 2
   3.8/5
9. 9
   

   Chatterbox

   O Chatterbox é o clonador de voz aberto que uma equipe de compliance consegue aprovar, graças à marca d'água, embora não seja o que um ouvinte escolheria.

   Ideal para: Equipes que precisam de clonagem de voz aberta com uso comercial e marcação de procedência e que aceitam uma qualidade de voz de meio de tabela.

   Preço: Gratuito sob a licença MIT. A Artificial Analysis lista o Chatterbox hospedado a $25 e o Chatterbox HD da Resemble a $40 por milhão de caracteres.

   Leia nossa análise de Chatterbox
   3.7/5
10. 10
    

    Qwen3-TTS

    O Qwen3-TTS dá aos desenvolvedores controles de voz detalhados e uma ferramenta de clonagem de três segundos sem proteções, com uma qualidade que os ouvintes colocam perto do fim da lista.

    Ideal para: Desenvolvedores que criam recursos de voz multilíngues, querem controle fino sob uma licença permissiva e vão acrescentar as suas próprias proteções.

    Preço: Gratuito sob Apache 2.0. Alibaba Model Studio (Singapura): qwen3-tts-flash a US$ 0,10 e qwen3-tts-flash-realtime a US$ 0,13 por 10.000 caracteres de entrada, com cota gratuita de 90 dias.

    Leia nossa análise de Qwen3-TTS
    3.5/5
11. 11
    

    KittenTTS 2

    O KittenTTS 2 espreme um modelo de fala com clonagem em menos de um gigabyte, mas ninguém fora da KittenML mostrou ainda como ele soa, e a licença exclui a maioria das empresas que captaram investimento.

    Ideal para: Hobbistas, pesquisadores e desenvolvedores sem investimento que querem clonagem de voz offline em hardware comum e aceitam um teto de qualidade ainda não comprovado.

    Preço: Pesos gratuitos sob a Stellon Labs Community License para pesquisa e para usuários comerciais abaixo de US$ 1 milhão em receita e em captação, com cadastro. Preço da API hospedada não publicado.

    Leia nossa análise de KittenTTS 2
    3.4/5