Breeze TTS 2: Der neue Spitzenreiter bei Open-Weights-TTS mit 1.215 Elo

Breeze TTS 2 ist jetzt das bestplatzierte Text-to-Speech-Modell mit offenen Gewichten in der Provider Voices Speech Arena von Artificial Analysis und hält 1.215 Elo – 90 Punkte Vorsprung vor dem bisherigen Spitzenreiter unter den Modellen mit offenen Gewichten, Fish Audio S2 Pro, und insgesamt Platz 6 von mehr als 100 bewerteten Systemen. Der Eintrag ist die erste unabhängige Bestätigung für das, was BreezeBlue seit der Vorstellung des Modells Mitte August 2026 behauptet: dass ein zwei Wochen altes Stimmmodell von einem etwa 15-köpfigen Start-up mit der kommerziellen Text-to-Speech-Spitze mithalten kann. Die offenen Gewichte wurden am 25. August 2026 auf Hugging Face veröffentlicht; das Arena-Ergebnis folgte innerhalb eines Tages. Was auch immer Breeze TTS 2 sonst noch sein mag – es ist kein bloßes Anbieterversprechen mehr, sondern hat ein Elo, das dies belegt.

Was tatsächlich passiert ist, in der Reihenfolge

Der Zeitrahmen ist hier entscheidend, denn er erklärt, warum ein Beitrag zu einem „Open-Weights-Leaderboard“ von einem Unternehmen kommt, von dem die meisten vor drei Wochen noch nie gehört hatten. BreezeBlue wurde von Yang Bin gegründet, einem ehemaligen technischen Mitgründer eines der führenden KI-Labore Chinas, mit einer Seed-Finanzierungsrunde über 6 Millionen US-Dollar unter der Führung von Yuanjing Capital und Redpoint China. Das Modell durchlief drei sichtbare Meilensteine:

• 7. August 2026 — BreezeBlue hat auf Hugging Face eine eigene Text-to-Speech-Benchmark-Suite für Voice-Design, Voice-Direction und Latenz-Evaluierung veröffentlicht.

• 16.–17. August 2026 — das Unternehmen kündigte Breeze TTS 2 offiziell als Echtzeit-Flaggschiff-Sprachmodell für interaktive Medien an und eröffnete eine gehostete API für 34 US-Dollar pro 1 Mio. Zeichen.

• 25. August 2026 – die Gewichte und der PyTorch-Inferenzcode wurden auf Hugging Face als BreezeBlue/Breeze-TTS-2 Open Source veröffentlicht, ein Modell mit 3 Milliarden Parametern unter einer Lizenz für Forschung und nichtkommerzielle Nutzung.

Das Ranking „Provider Voices“ von Artificial Analysis war innerhalb weniger Tage nach der Open-Weights-Veröffentlichung live. Da die Arena Modelle anhand von blindem Side-by-Side-Hören bewertet, sind die 1.215 Elo kein Benchmark, den BreezeBlue selbst durchgeführt hat – es ist das gesammelte Urteil von Zuhörern, die echte Samples vergleichen, und genau daran mangelt es einem so jungen Modell am meisten.

Die Anzeigetafel

• Arena-Rang — Gesamtplatz 6 bei Provider Voices; Platz 1 unter allen Open-Weights-Modellen, vor Fish Audio S2 Pro (1.125 Elo).

• Elo — 1.215, mit einem 95%-KI von etwa ±17 (Artificial Analysis, Stand Ende August 2026).

• Sprachen — 50, laut BreezeBlue; die Modellkarte ist als Englisch und Chinesisch gekennzeichnet.

• Preis — 34 $ pro 1 Mio. Zeichen am gehosteten Endpunkt von BreezeBlue; offene Gewichte sind kostenlos herunterladbar, unterliegen jedoch einer nichtkommerziellen Lizenz.

• Geschwindigkeit — ~45 Zeichen pro Sekunde bei den Messungen von Artificial Analysis — langsamer als mehrere Wettbewerber, was bei Langform-Aufgaben wichtig ist.

• Latenz — Streaming-Latenz unter 40 ms, laut BreezeBlue (vom Anbieter angegeben, nicht unabhängig gemessen).

Was Breeze TTS 2 tatsächlich anders macht

Der Elo-Wert steht in der Schlagzeile, doch das Produktversprechen ist interessanter als die Punktzahl. Breeze TTS 2 basiert auf zwei Ideen, die die meisten Text-to-Speech-Modelle nur als Nebensache behandeln: Stimmdesign und Stimmregie. Stimmdesign ist Zero-Shot und referenzfrei – Sie beschreiben eine Stimme in natürlicher Sprache („ein warmer Erzähler Mitte 40 mit leichtem Südstaaten-Dialekt und trockenem Humor“), und das Modell erzeugt diese Stimme ohne Studioaufnahme oder Referenzclip. Stimmregie entkoppelt das Timbre des Sprechers von der Sprechabsicht, sodass Sie eine Zeile sarkastisch, gedämpft oder gehetzt klingen lassen können, ohne dass das Modell in eine andere Figur abdriftet. BreezeBlue zufolge übersteht dieselbe Sprecheridentität diesen Wechsel, und der eigene Benchmark für Stimmregie meldet eine Sprecherähnlichkeit von 0,67 SPK_SIM (laut Hersteller).

Diese beiden Fähigkeiten deuten auf den angestrebten Markt von Breeze TTS 2 hin. Die Pressematerialien sind eindeutig: Videospielcharaktere, digitale Begleiter, narratives Storytelling, Rundfunkdrama und virtuelle Streamer – langformatiges, rollengesteuertes Audio mit mehreren Charakteren, nicht bloß eine weitere Narration-API. Das Unternehmen liefert eine begleitende Voice-Bibliothek namens Voice Galaxy mit mehr als 15.000 von der Community und Studios gestalteten Charakterstimmen aus, und BreezeBlues Demo-Reel ist ein Fan-Radiohördrama mit mehreren Charakteren, das über zehn Minuten lang ist. In seinen eigenen veröffentlichten Benchmarks (herstellerangaben, nicht reproduziert) beansprucht Breeze TTS 2 den ersten Platz im Text-to-Speech-Voice-Design-Benchmark mit einem Role-Fit-Score von 78,02 gegenüber 72,78 für MiMo-V2.5-TTS sowie einen Voice-Direction-Composite von 4,25.

Das Lizenz-Sternchen

Bevor der Ausdruck „open weights“ zu viel Marketingarbeit leistet, lesen Sie die Modellkarte. Breeze TTS 2 hat 3B Parameter, Safetensors, F32/BF16, und der Quellcode ist Apache 2.0 — aber die Gewichte, abgeleiteten Modelle und selbst gehosteten Ausgaben sind nur für Forschung und nichtkommerzielle Nutzung lizenziert, und zwar unter der breezeblue-research-and-non-commercial-license. Das bedeutet, „open weights“ ist hier nicht „kostenlos für Ihr Produkt“. Kommerzielles Self-Hosting ist nach der Lizenz in ihrer vorliegenden Fassung nicht erlaubt; der kommerzielle Weg ist die gehostete API für 34 US-Dollar pro 1 Mio. Zeichen. Das hat dieselbe Form wie mehrere andere offene Releases aus 2026 — für die Forschung einsehbar und selbst hostbar, aber die umsatzbringende Nutzung bleibt dem eigenen Endpunkt des Anbieters vorbehalten.

Warum ein Router für ein so junges Modell wichtig ist

Das ehrliche Risiko bei Breeze TTS 2 ist derzeit nicht die Qualität – es ist das Alter. Das Modell ist seit zehn Tagen live, die Gewichte seit zwei. Kein Produktionsteam sollte eine Voice-Pipeline auf ein so junges Modell setzen, ohne einen Weg davon wegzukommen, und genau das ist der Fehlermodus, den eine Routing-Schicht abfangen soll. Wenn Sie Breeze TTS 2 über ein Gateway evaluieren, das den Vendor-Endpunkt als eine Route unter vielen behandelt, erhalten Sie heute den Elo-Spitzenreiter, automatisches Failover zu einem Fallback-Anbieter, wenn die API beeinträchtigt ist, und eine Ein-Zeilen-Änderung, falls ein eine Woche altes Modell eine Regression zeigt. Das ist dieselbe Disziplin, die die Routing-DSL auf jedes Modell anwendet: Setzen Sie es mit Alternativen zusammen, halten Sie die Schnittstelle stabil und lassen Sie das Modell sich beweisen, bevor Sie es tragend werden lassen. Keines der Modelle dieser Serie wird bisher auf OrcaRouter selbst geroutet, daher lautet der ehrliche Rat, Breeze TTS 2 in das Gateway einzubinden, das Sie bereits betreiben – und Ihren aktuellen Anbieter daneben live zu halten, während das Elo älter und vertrauenswürdiger wird.

Was als Nächstes ansehen

Der Provider-Voices-#1-Open-Weights-Platz ist heute die Story, aber er ist die schwächere der beiden Arenen für dieses Modell. In der Controlled-Voice-Arena von Artificial Analysis, in der alle Modelle anhand derselben festen Referenzstimmen verglichen werden, belegt Breeze TTS 2 mit 1.002 Elo Platz 3 unter den Open-Weights-Modellen, hinter Mistrals Voxtral mit 1.010 – und insgesamt Platz 16 von 39. Diese Lücke zwischen seinem Provider-Voice-Score (1.215, #1 open) und seinem Controlled-Voice-Score (1.002, #3 open) ist es wert, im Auge behalten zu werden: Sie deutet darauf hin, dass Breeze TTS 2 seinen Vorteil bei den Stimmen konzentriert, die es selbst entwirft – genau das ist das Produktversprechen, und genau darauf sollte ein unabhängiger Benchmark weiter Druck ausüben. Beobachten Sie, ob sich das Controlled-Voice-Elo dem Provider-Voice-Wert annähert, ob die kommerzielle Lizenz enger oder lockerer wird und – vor allem – ob jemand die Voice-Design- und Voice-Direction-Benchmarks außerhalb von BreezeBlues eigener Suite reproduziert.

Für ein Modell, das es vor einem Monat noch nicht gab, hat Breeze TTS 2 bereits das Nützlichste erreicht, was ein Text-to-Speech-Modell erreichen kann: eine unabhängige Bewertung, die mit dem Marketing übereinstimmt. Ob es zur Standardstimme für interaktive Produkte wird, hängt weniger vom nächsten Elo-Update ab als davon, wie sich die Lizenz und die Self-Hosting-Story entwickeln — doch seit dieser Woche hat Open-Weights-Text-to-Speech einen neuen Spitzenreiter, und dieser ist zwei Wochen alt.