O que é Higgs TTS 3?
O Higgs TTS 3 é o modelo de texto para fala de terceira geração da Boson AI, lançado em 4 de junho de 2026 e listado em alguns rankings como Higgs Audio V3 TTS. É um decodificador autorregressivo de cerca de 4 bilhões de parâmetros que prevê oito fluxos de códigos de áudio a 25 quadros por segundo e gera fala a 24 kHz. A Boson relata taxa de erro de palavras ou caracteres abaixo de 5% em 85 idiomas e entre 5% e 10% em outros 17.
Ele clona uma voz a partir de um trecho de referência (a transcrição do trecho melhora a semelhança) e aceita tags no texto para 21 emoções, canto, gritos e sussurros, velocidade, tom, pausas e efeitos sonoros como risada ou suspiro. Os pesos são gratuitos para pesquisa e uso não comercial; uma Creator Use Grant também permite monetizar os próprios podcasts e vídeos com crédito à Boson. O uso em produtos exige licença comercial ou a API da Boson a $15 por milhão de caracteres.
Quanto custa Higgs TTS 3?
| Plano | Preço | O que inclui |
|---|---|---|
| Self-hosted weights | Free | Somente pesquisa, uso não comercial e Creator Use Grant |
| Boson API | $15 per million characters | Cobrança por caracteres de entrada; $10 de crédito de teste para contas novas |
| Commercial licence | Not published | Necessária para hospedar, embutir ou revender o modelo |
Pesos gratuitos para pesquisa, uso não comercial e canais de criadores com crédito; produtos precisam de licença comercial. API da Boson: $15 por milhão de caracteres, $10 de crédito de teste.
Higgs TTS 3 vale a pena?
O Higgs TTS 3 é o modelo aberto a considerar para fala precisa em muitos idiomas, desde que você não construa um produto sobre os pesos. Nas tabelas da Boson, ele tem média de 2,74% de erro em 32 idiomas no teste multilíngue da MiniMax, contra 2,98% do OmniVoice e 5,15% do Fish Audio S2 Pro, e de 3,61% no conjunto próprio de 111 idiomas da Boson, onde o Qwen3-TTS-1.7B marca 97,09%. No EmergentTTS-Eval, um teste julgado de entonação conversacional, vence 53,65% das comparações, contra 43,80% do Fish S2 Pro.
Esses números são do fabricante, e a arena de audição conta uma história mais fria. A Artificial Analysis coloca o Higgs Audio V3 TTS da Boson em 78º de 104, com 1.039 de Elo, abaixo dos 1.064 do Kokoro e bem atrás do Fish Audio Drama 3, com 1.275. Precisão e preferência são coisas diferentes, e o Higgs lidera na primeira. O próprio detalhamento da Boson também o deixa atrás do OmniVoice em emoções (53,75% contra 61,07%) e do Qwen3-TTS em pronúncia complexa.
Ele foi feito para servir. Numa H100 com SGLang-Omni, a Boson mede 617 ms de latência média e fator de tempo real de 0,147 para uma única requisição, subindo para 1.079 ms com 16 requisições simultâneas enquanto produz 61,84 segundos de áudio por segundo. O streaming devolve áudio em partes por um endpoint no estilo da OpenAI. Não há número de VRAM publicado.
O porém: a Research and Non-Commercial License proíbe hospedar, embutir em produto, uso em produção e uso interno da empresa além de avaliação, e proíbe usar as saídas para treinar outros modelos de voz. É também o regime de consentimento mais rígido deste grupo: clonar uma pessoa real exige consentimento explícito e verificável, e usuários comerciais de alto risco precisam manter registros que a Boson pode pedir. Nada no código impõe isso, mas os termos são claros.
Nossa opinião: o Higgs TTS 3 serve para um pesquisador ou para um podcaster que dá crédito à Boson; uma empresa deveria tratar os pesos como teste gratuito da API de $15 por milhão de caracteres e compará-la com a Fish Audio pelo mesmo preço.
Onde ele se destaca
Um pesquisador de fala num laboratório universitário
Gerar áudio de teste em idiomas com poucos recursos para um benchmark de ASR
Rode os pesos no SGLang-Omni e gere prompts nos 102 idiomas com erro de um dígito segundo a Boson. Pesquisa é gratuita; a licença permite publicar resultados e amostras em artigos.
Um podcaster independente com programa semanal em inglês e espanhol
Gravar anúncios e quadros com risadas e pausas onde o roteiro pede
A Creator Use Grant cobre canais monetizados próprios, desde que as notas do episódio deem crédito ao Higgs Audio da Boson AI. Tags como risada ou pausa longa vão direto no roteiro.
Uma plataforma de atendimento que avalia vozes para agentes por telefone
Testar a fala multilíngue do agente antes de assinar contrato
A avaliação interna é permitida com os pesos; a produção exige a API a $15 por milhão de caracteres, então 20 milhões de caracteres por mês custariam cerca de $300.
Antes de decidir
- Configuração
- Baixe a imagem Docker do SGLang-Omni, baixe os pesos com um token do Hugging Face e rode sgl-omni serve; as requisições vão para /v1/audio/speech. Fornecer a transcrição do trecho de referência melhora a clonagem.
- Integrações
- SGLang-Omni com batching contínuo, Hugging Face Transformers, API da Boson com geração bloqueante e em streaming, e Boson Workspace no navegador.
- Dados e privacidade
- Auto-hospedar mantém o áudio local. A licença proíbe clonar sem consentimento explícito e verificável e remover marcas d'água ou sinais de procedência, e permite à Boson pedir auditoria a distribuidores e hospedeiros no máximo uma vez por ano.
- Custo em escala
- A API da Boson cobra $15 por milhão de caracteres de entrada; o áudio gerado não é cobrado à parte e descrições de estilo contam como entrada. Preços para auto-hospedagem comercial não são publicados.
- Limites
- Comprimento de sequência de treino de 8.192 tokens. 17 idiomas ficam na faixa de erro de 5% a 10%, e a latência sobe de 617 ms para 1.079 ms quando a concorrência vai de 1 para 16 numa H100.
O que é bom
- Erro médio de 2,74% em 32 idiomas no teste da MiniMax, o menor da tabela da Boson
- Tags no texto para 21 emoções, estilos, pausas e efeitos sonoros
- 617 ms de latência média por requisição numa H100 com SGLang-Omni
- Regras de consentimento claras, com registros para usos de alto risco
O que não é
- Os pesos não podem ir para produtos sem licença comercial
- 78º de 104 com 1.039 de Elo na arena da Artificial Analysis
- As saídas não podem treinar outros modelos de voz
- Sem requisito de VRAM publicado
Ideal para
Pesquisadores e criadores independentes que querem fala precisa e expressiva em muitos idiomas, e empresas que testam a API da Boson antes de comprar.
Alternativas ao Higgs TTS 3
Higgs TTS 3: perguntas frequentes
- Higgs TTS 3 vale a pena?
- O Higgs TTS 3 tem as menores taxas de erro nos testes multilíngues da própria Boson, mas os ouvintes da Artificial Analysis o colocam no meio da tabela e a licença o deixa fora de produtos. Damos nota 3.8 de 5.
- Quanto custa Higgs TTS 3?
- Pesos gratuitos para pesquisa, uso não comercial e canais de criadores com crédito; produtos precisam de licença comercial. API da Boson: $15 por milhão de caracteres, $10 de crédito de teste.
- Quais são as desvantagens de Higgs TTS 3?
- Os pesos não podem ir para produtos sem licença comercial; 78º de 104 com 1.039 de Elo na arena da Artificial Analysis; as saídas não podem treinar outros modelos de voz; sem requisito de VRAM publicado.
- Para quem Higgs TTS 3 é indicado?
- Pesquisadores e criadores independentes que querem fala precisa e expressiva em muitos idiomas, e empresas que testam a API da Boson antes de comprar.
- Quanto custa Higgs TTS 3 para uma equipe ou em produção?
- A API da Boson cobra $15 por milhão de caracteres de entrada; o áudio gerado não é cobrado à parte e descrições de estilo contam como entrada. Preços para auto-hospedagem comercial não são publicados.
- Higgs TTS 3 é seguro para dados da empresa?
- Auto-hospedar mantém o áudio local. A licença proíbe clonar sem consentimento explícito e verificável e remover marcas d'água ou sinais de procedência, e permite à Boson pedir auditoria a distribuidores e hospedeiros no máximo uma vez por ano.
- Quais são as melhores alternativas ao Higgs TTS 3?
- As alternativas mais próximas que analisamos são Fish Audio Drama 3, OmniVoice, VoxCPM2 e Qwen3-TTS.
Respostas verificadas em 7 de nov. de 2026.