Gemini 3.8 TTS vs. Breeze TTS 2: la licencia, no la tabla de clasificación, es la que decide en este caso

Cincuenta y seis puntos Elo separan a Gemini 3.8 Flash TTS y Breeze TTS 2 en la Artificial Analysis Provider Voice Arena, y no están dentro de las barras de error del otro: el modelo del proveedor ocupa el puesto 2 con un Elo de 1.260 en 1.999 muestras y 8 voces de la arena, lanzado el 23 de septiembre de 2026; Breeze TTS 2 ocupa el puesto 9 con 1.204 en 1.390 muestras, lanzado en agosto de 2026. En cuanto al precio, el orden se invierte drásticamente: Breeze aparece a $34,00 por millón de caracteres, normalizado frente a $16,50 de Flash TTS, así que el modelo que gana en la tabla pierde en la factura al costar aproximadamente el doble.

Si esa fuera toda la comparación, sería un texto breve y elegirías según cuánto confiaras en una diferencia de 56 puntos. Pero los dos modelos no son el mismo tipo de objeto. Breeze TTS 2 es un modelo de pesos abiertos de 3 mil millones de parámetros que puedes descargar, inspeccionar y ejecutar tú mismo, con una licencia que resulta importar más que su posición en una tabla de clasificación. Gemini 3.8 Flash TTS es un endpoint de API con diseño de voz y diálogo de dos hablantes, y sin pesos en absoluto. Decidir entre ellos es una cuestión de licencias y despliegue disfrazada de benchmark.

Lo que realmente es cada uno

Deja claro el perfil de cada modelo antes de comparar números, porque difieren en casi todos los ejes que no son Elo.

• Distribución — Breeze TTS 2 se puede descargar: los pesos se publican en Hugging Face como BreezeBlue/Breeze-TTS-2 junto con el código de PyTorch. Gemini 3.8 Flash TTS solo está disponible mediante API, accesible a través de la API de Gemini y las superficies de Google nombradas en el anuncio del 23 de septiembre.

• Tamaño — Breeze TTS 2 es un modelo de 3B parámetros, y esa es la razón por la que puede autoalojarse. Google no ha publicado un recuento de parámetros para ninguno de los dos modelos Gemini 3.8 TTS.

• Creación de voces — Gemini 3.8 Flash TTS realiza diseño de voces a partir de una descripción escrita y replicación de voz a partir de una muestra de 30 segundos. Breeze TTS 2 incluye una biblioteca de voces que el proveedor cifra en miles y su propia vía de diseño de voces; las puntuaciones de adecuación al rol y de dirección reportadas por el proveedor para esa vía son propias de BreezeBlue y no tienen equivalente independiente.

• Diálogo — Gemini 3.8 Flash TTS genera diálogo entre dos hablantes en una sola llamada, con estilización por turnos. Breeze TTS 2 es un modelo de una sola voz; una conversación se compone de dos ejecuciones empalmadas.

• Idiomas — Breeze TTS 2 cubre 50 idiomas según el recuento del proveedor. El anuncio de Google contabiliza 130 para el modelo Flash, pero los dos recuentos no miden lo mismo y no deben interpretarse como 130 frente a 50.

• Latencia — BreezeBlue afirma una latencia de streaming inferior a 40 ms; Google no publica ninguna cifra equivalente para Flash TTS. Ninguna de las dos cifras está verificada de forma independiente, y solo una de ellas existe.

La licencia es la auténtica bifurcación en el camino.

Esta es la parte que la tabla de clasificación no puede mostrarte, y es la razón por la que los dos modelos no son intercambiables incluso allí donde su calidad coincide.

Los pesos de Breeze TTS 2 se distribuyen bajo la licencia de investigación y no comercial de BreezeBlue. El código fuente del mismo repositorio es Apache 2.0. Esos dos hechos aparecen juntos en la tarjeta del modelo y, en la mayoría de la cobertura, se reducen a «código abierto», lo cual es un error en la dirección que cuesta dinero: que el código sea Apache 2.0 no hace que los pesos sean Apache 2.0, y el uso comercial del modelo pasa por la API alojada en lugar de por un checkpoint autoalojado.

El lado de Google no tiene ninguna cuestión de licencia en absoluto, porque no hay nada que licenciar. Estás comprando inferencia. A lo que renuncias es a aquello por lo que normalmente se compran los pesos abiertos: la capacidad de ejecutar el modelo donde están los datos, de fijar una versión y conservarla, y de dejar de pagar por carácter.

Así que el planteamiento honesto no es abierto frente a cerrado. Es:

• Si su despliegue tiene que mantener el audio dentro de su propia infraestructura, Breeze TTS 2 es el único de los dos que ofrece una vía, y esa vía es una licencia de investigación. Consulte con un asesor jurídico antes de crear un producto basado en ella.

Si tu despliegue puede llamar a una API, la cuestión de la licencia desaparece y la comparación se reduce a calidad, precio y características, donde Flash TTS va por delante en dos de las tres.

• Si quieres pesos abiertos que puedas comercializar sin necesidad de conversación, ninguno de estos es ese modelo, y la arena tiene otras filas.

Dónde la diferencia de Elo significa algo y dónde no

Una diferencia de 56 puntos está fuera de los intervalos de confianza de ±16 y ±16 que el tablero reporta para estas dos filas, por lo que la clasificación no es ruido de la forma en que, por ejemplo, Flash TTS frente a Gemini 3.8 Flash-Lite TTS es ruido. Pero un Elo de arena mide una cosa: cuál de dos clips prefirió un oyente en una comparación a ciegas. Es una señal de preferencia, agregada.

Lo que no mide es todo lo que le importa a un pipeline de producción. No te dice cómo maneja cualquiera de los dos modelos un guion de 40 minutos sin deriva de identidad, cómo pronuncia el nombre de tu producto, cómo se comporta cuando la entrada contiene un número de teléfono, o cómo se ve su modo de fallo cuando se le pide algo fuera de su entrenamiento. Las 1.390 muestras de Breeze TTS 2 y las 1.999 de Flash TTS son ambas lo suficientemente grandes como para que el agregado sea estable, y ambas lo suficientemente pequeñas como para que ningún segmento individual de tu caso de uso esté representado en ellas.

La diferencia también es más estrecha de lo que parece cuando se tiene en cuenta lo que se le pide hacer a cada modelo. Flash TTS está haciendo dos voces en una sola llamada, lo cual es una tarea más difícil que aquella sobre la que se evalúa a Breeze TTS 2. Que eso haga que los 56 puntos sean una subestimación o una sobreestimación depende de tu caso de uso, y ninguno de los dos proveedores ha publicado la ablación que lo resolvería.

Cuánto cuesta una hora de cada uno

Las dos cifras de precio no son directamente comparables, y fingir lo contrario es el error más común en los análisis de este enfrentamiento.

Google cobra en tokens: $0.50 por millón de tokens de texto de entrada y $9.00 por millón de tokens de audio de salida hasta el 31 de diciembre de 2026, y luego $18.00. Batch y Flex cuestan $0.25 y $4.50; Priority cuesta $0.90 y $16.00. Flash-Lite TTS, el modelo hermano, cuesta $0.50 y $6.00, y luego $12.00.

BreezeBlue factura por caracteres: $34.00 por millón de caracteres a través de la API alojada.

Artificial Analysis normaliza ambos sobre una base por millón de caracteres para que puedan compartir una tabla, y de ahí vienen los $16.50 frente a $34.00. La normalización es de la tabla, no de ninguno de los proveedores — Google no publica una tarifa por carácter para Flash TTS, y tratar los $16.50 como una cotización en lugar de una conversión es como la gente termina sorprendida por una factura.

Dos consecuencias que conviene prever:

• La tarifa de Flash TTS se duplica el 1 de enero de 2027. Si se presupuesta con la cifra promocional, la brecha con Breeze TTS 2 se reduce drásticamente; si se presupuesta a $18.00, casi se cierra.

• Autoalojar Breeze TTS 2 no lo hace gratuito, lo convierte en un costo de capital. Un modelo de 3B es lo bastante pequeño para ejecutarse en hardware modesto, pero la aritmética solo gana en volumen, y solo para un caso de uso que la licencia de investigación permita.

Elegir, sin fingir que hay una sola respuesta

El árbol de decisión es corto.

Elige Gemini 3.8 Flash TTS si necesitas diálogo de dos hablantes, si quieres una voz diseñada a partir de una descripción y conservada como un ID, si tu pipeline puede llamar a una API, y si el cambio de tarifas del 31 de diciembre es algo que puedes planificar con antelación. Es el mejor modelo en la tabla independiente y el más barato en la factura, y el hecho de que sea de código cerrado no es un problema para un caso de uso que siempre iba a ser una llamada a una API.

Elige Breeze TTS 2 si la residencia de datos o la inferencia local son un requisito indispensable, si necesitas un modelo 3B que realmente puedas descargar, o si estás investigando en lugar de lanzar un producto, que es precisamente el caso para el que está redactada su licencia. No lo elijas solo por la etiqueta de pesos abiertos; lee primero la licencia.

Y si estás evaluando ambos, la forma económica de hacerlo es mantener la elección reversible. OrcaRouter no aloja ninguno de estos modelos: el lugar para llamar a Gemini 3.8 Flash TTS es la propia API de Google y las superficies que Google nombró, y el lugar para llamar a Breeze TTS 2 es el endpoint alojado de BreezeBlue. Para lo que un router resulta útil aquí es para el resto del stack: más de 200 modelos con una sola clave a precio de lista del proveedor sin recargo, de modo que un cambio de precio de un proveedor como el ajuste de tarifas de enero se aplique el mismo día en lugar de en el siguiente ciclo de facturación, failover automático para que una ruta en evaluación no tenga que ser una ruta en producción, y un DSL de enrutamiento que compone modelos en una sola llamada cuando una sola voz no es suficiente.

La versión en una línea: la tabla de clasificación dice Google, la licencia dice que depende, y el precio dice: consulta tu calendario antes de comprometerte con cualquiera de las dos.