TTS Bench es un banco de pruebas independiente que mide 29 APIs comerciales de texto a voz con las mismas frases y las mismas métricas. Voyager 1, el modelo de texto a voz de Voicefinder, entró el 18 de noviembre de 2026, el día de su lanzamiento. Aquí verás en qué puesto ha quedado, cómo mide el banco y en qué siguen por delante otros modelos.
Los resultados en tres líneas
- Naturalidad (NAQ): Voyager 1 queda 18.º de 29, por delante de ElevenLabs Eleven v4 (19.º) y Eleven v4 Turbo (21.º).
- Naturalidad estimada (UTMOS): Voyager 1 saca más nota que ElevenLabs v4 en las 6 frases, en inglés, francés y español.
- La frase más difícil: Voyager 1 empata en el primer puesto en error de palabras (10,1 %), con Fish Audio Drama 3 y xAI. ElevenLabs v4 tiene un 14,1 %.
Qué es TTS Bench
TTS Bench lo mantiene Tym Rabchuk (@5uck1ess en GitHub). Voicefinder no lo financia, no lo dirige y no lo asesora. Nació para medir modelos de voz locales y ahora tiene una tabla aparte para APIs de pago en la nube, donde Voyager 1 está junto a ElevenLabs, OpenAI, Gemini, Cartesia, Fish Audio, MiniMax y otros.
Cada API lee las mismas 6 frases (4 en inglés, 1 en francés y 1 en español), 3 veces cada una, con su voz por defecto. Una segunda ronda mide la clonación de voz. Los audios, el código y las notas son públicos en su repositorio, así que cualquiera puede comprobarlos.
Cómo mide
- NAQ es la medida principal de naturalidad del banco: la probabilidad, de 0 a 100, de que un oyente elija un modelo frente a uno típico del banco en una escucha ciega A/B. Sale de un modelo entrenado con los votos ciegos de su propia arena de escucha.
- UTMOS es la naturalidad estimada por un modelo automático, de 1 a 5. El propio banco avisa de que sobre todo refleja lo limpio que suena el audio.
- WER (error de palabras) es el porcentaje de palabras que un reconocedor de voz no acierta al transcribir el audio. Menos es mejor.
- SIM mide cuánto se parece una voz clonada a la original. Más es mejor.
Naturalidad: por delante de ElevenLabs en las dos medidas

En NAQ, Voyager 1 saca 68,3 y ElevenLabs v4, 66,2. Hay 17 modelos por delante de los dos, encabezados por Cartesia Sonic 3.6 (86,8). También lo contamos.
NAQ solo puntúa las 4 frases en inglés. Frase a frase, Voyager 1 va por delante de ElevenLabs v4 en 3 de las 4; en la frase 2 gana ElevenLabs v4.

En UTMOS, Voyager 1 va por delante de ElevenLabs v4 en todas las frases, y también de Eleven v4 Turbo. Las mayores diferencias están en la frase 1 (4,40 frente a 3,85) y en la frase en español (3,45 frente a 2,96).
La frase más difícil
La frase 3 es la que más cuesta a casi todos los modelos. Es una sola frase larga, en inglés, llena de cifras y nombres técnicos:
“The Parakeet TDT zero point six billion parameter model achieves one point six nine percent word error rate on LibriSpeech test-clean, beating Whisper Large V3 at two point seven percent while running at over two thousand times realtime on a single GPU.”

Voyager 1 comparte el primer puesto con Fish Audio Drama 3 y xAI, con un 10,1 %. ElevenLabs v4 tiene un 14,1 % y OpenAI gpt-realtime-2.1, un 16,2 %. Con las 6 frases la diferencia es menor: Voyager 1 queda 7.º (4,15 %) y ElevenLabs v4, 8.º (4,21 %).
Dónde van por delante otros
- Naturalidad global: en NAQ hay 17 modelos por encima de Voyager 1. Encabezan Cartesia, StepFun y VUI Labs.
- UTMOS con las 6 frases: Voyager 1 queda 17.º de 29. gpt-4o-mini-tts y Fish Audio Drama 3 van por delante.
- Francés y español: en las dos frases que no son en inglés, Fish Audio Drama 3 saca más nota que Voyager 1 en UTMOS.
- Clonación de voz: ElevenLabs v4 (0,765) y Cartesia (0,769) clonan algo más parecido a la voz original que Voyager 1 (0,753).
Así está Voyager 1 dos días después de su lanzamiento. Seguiremos mejorándolo, y el banco dirá si lo conseguimos.
Escúchalo tú
Las cifras no lo dicen todo. La página de escucha del banco reproduce cada modelo en cada frase, y su arena de votación ciega te deja votar sin ver el nombre del modelo. Con esos votos se entrena NAQ.
O prueba Voyager 1 con tu propio texto: más de 800 voces, más de 55 idiomas con acentos regionales (también euskera, gallego y catalán) y etiquetas de emoción frase a frase.
Prueba Voyager 1 gratis: 10.000 caracteres al mes, sin tarjeta. Oferta de lanzamiento: 40 % de descuento en tu primer pago hasta el 18 de diciembre de 2026.
Datos: TTS Bench, hosted_scores.csv del 20 de noviembre de 2026 (UTMOS, WER y SIM; voz por defecto, media de 3 tomas) y su página de resultados consultada el 22 de noviembre de 2026 (NAQ). ElevenLabs, OpenAI, Gemini, Cartesia y el resto de nombres son marcas de sus dueños. Voicefinder no está afiliada a TTS Bench ni a las empresas citadas.



