Voyager 1 suena más natural que ElevenLabs en una prueba independiente de 29 voces con IA

Por delante de ElevenLabs v4 en naturalidad, empatado en el primer puesto en la frase más difícil, y dónde siguen por delante otros

Voicefinder Team
· 6 min de lectura
Voyager 1 suena más natural que ElevenLabs en una prueba independiente de 29 voces con IA

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

Preferencia estimada de los oyentes (NAQ) en las 4 frases en inglés, voces por defecto: Voyager 1 68,3; ElevenLabs v4 66,2; ElevenLabs v4 Turbo 65,4; Fish Audio Drama 3 62,4.
Preferencia estimada de los oyentes (NAQ) · TTS Bench
Gráfico de barras de naturalidad NAQ: Cartesia Sonic 3.6 86,8 (1.º), StepFun 82,3, VUI Labs Luna 80,3, Gemini 3.8 Flash TTS 76,6, OpenAI gpt-realtime-2.1 73,0, OpenAI gpt-4o-mini-tts 71,9, Voicefinder Voyager 1 68,3 (18.º), ElevenLabs Eleven v4 66,2 (19.º), Eleven v4 Turbo 65,4 (21.º), Fish Audio Drama 3 62,4 (23.º).
Naturalidad (NAQ), voz por defecto · TTS Bench, consultado el 22 de noviembre de 2026

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.

Voyager 1 frente a ElevenLabs v4 por idioma: Voyager 1 saca más nota en inglés (4 frases), francés y español, 6 de 6 frases, en naturalidad estimada (UTMOS).
Naturalidad estimada (UTMOS) · TTS Bench
Gráfico de barras de naturalidad estimada (UTMOS) por frase. Voyager 1 frente a ElevenLabs v4: frase 1, 4,40 frente a 3,85; frase 2, 4,42 frente a 4,15; frase 3, 4,50 frente a 4,26; frase 4, 4,42 frente a 4,18; frase 5 en francés, 3,58 frente a 3,18; frase 6 en español, 3,45 frente a 2,96.
Naturalidad estimada (UTMOS) · TTS Bench

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.”

Error de palabras en la frase más difícil: Voyager 1 10,1 % y Fish Audio Drama 3 10,1 %, empatados en el primer puesto; ElevenLabs v4 14,1 %; OpenAI Realtime 2.1 16,2 %.
Error de palabras, frase 3 · TTS Bench
Gráfico de barras del error de palabras en la frase 3, menos es mejor: Fish Audio Drama 3 10,1 %, Voicefinder Voyager 1 10,1 %, xAI TTS 10,1 %, VUI Labs Luna 12,1 %, ElevenLabs Eleven v4 14,1 %, Eleven v4 Turbo 16,2 %, OpenAI gpt-realtime-2.1 16,2 %, OpenAI gpt-4o-mini-tts 17,2 %, Gemini 3.8 Flash TTS 17,2 %, Cartesia Sonic 3.6 23,2 %.
Error de palabras en la frase 3 · TTS Bench

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.

Read in English

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.

  • tts bench
  • voyager 1
  • comparativa texto a voz
  • elevenlabs
  • voz ia
Escrito por
Voicefinder Team
Texto a voz con IA

Sigue leyendo.

Ver las 15 historias →