Gemini 3.8 TTS vs Breeze TTS 2 : c'est la licence, et non le classement, qui tranche.

Cinquante-six points Elo séparent Gemini 3.8 Flash TTS et Breeze TTS 2 sur l'Artificial Analysis Provider Voice Arena, et aucun des deux ne se situe dans la barre d'erreur de l'autre : le modèle du fournisseur occupe le rang 2 avec un Elo de 1 260 sur 1 999 échantillons et 8 voix d'arène, sorti le 23 septembre 2026 ; Breeze TTS 2 occupe le rang 9 avec 1 204 sur 1 390 échantillons, sorti en août 2026. En matière de prix, l'ordre s'inverse radicalement — Breeze est affiché à 34,00 $ par million de caractères, normalisé par rapport aux 16,50 $ de Flash TTS, si bien que le modèle qui gagne au classement perd sur la facture en étant environ deux fois plus cher.

Si c’était là toute la comparaison, ce serait un texte court et vous choisiriez en fonction de la confiance que vous accordez à un écart de 56 points. Mais les deux modèles ne sont pas le même type d’objet. Breeze TTS 2 est un modèle à poids ouverts de 3 milliards de paramètres que vous pouvez télécharger, inspecter et exécuter vous-même, avec une licence qui s’avère compter davantage que sa position dans un classement. Gemini 3.8 Flash TTS est un point de terminaison d’API avec conception vocale et dialogue à deux locuteurs, et aucun poids du tout. Choisir entre eux est une question de licence et de déploiement sous les habits d’un benchmark.

Ce que chacun est réellement

Cernez bien le profil de chaque modèle avant de comparer les chiffres, car ils diffèrent sur presque tous les axes autres que l’Elo.

• Distribution — Breeze TTS 2 est téléchargeable : les poids sont publiés sur Hugging Face sous BreezeBlue/Breeze-TTS-2 aux côtés du code PyTorch. Gemini 3.8 Flash TTS est uniquement disponible via API, accessible via l'API Gemini et les surfaces Google nommées dans l'annonce du 23 septembre.

• Taille — Breeze TTS 2 est un modèle de 3 milliards de paramètres, ce qui explique qu’il puisse être auto-hébergé. Google n’a publié aucun nombre de paramètres pour l’un ou l’autre des modèles Gemini 3.8 TTS.

• Création vocale — Gemini 3.8 Flash TTS réalise la conception de voix à partir d’une description écrite et la réplication d’une voix à partir d’un échantillon de 30 secondes. Breeze TTS 2 embarque une bibliothèque de voix que le fournisseur recense en milliers, ainsi que sa propre voie de conception vocale ; les scores d’adéquation au rôle et de direction rapportés par le fournisseur pour cette voie sont propres à BreezeBlue et n’ont pas d’équivalent indépendant.

• Dialogue — Gemini 3.8 Flash TTS génère un dialogue à deux locuteurs en un seul appel, avec un style au niveau de chaque tour de parole. Breeze TTS 2 est un modèle à voix unique ; une conversation correspond à deux exécutions assemblées.

• Langues — Breeze TTS 2 couvre 50 langues selon le décompte du fournisseur. L’annonce de Google en compte 130 pour le modèle Flash, mais les deux décomptes ne mesurent pas la même chose et ne doivent pas être lus comme 130 contre 50.

• Latence — BreezeBlue annonce une latence de streaming inférieure à 40 ms ; Google ne publie aucun chiffre équivalent pour Flash TTS. Aucun des deux chiffres n’est vérifié de façon indépendante, et un seul d’entre eux existe.

La licence est le véritable tournant décisif

C'est la partie que le classement ne peut pas vous montrer, et c'est la raison pour laquelle les deux modèles ne sont pas interchangeables, même là où leur qualité se recoupe.

Les poids de Breeze TTS 2 sont distribués sous la licence de recherche et non commerciale BreezeBlue. Le code source du même dépôt est sous Apache 2.0. Ces deux faits figurent côte à côte sur la fiche du modèle et sont amalgamés en « open source » dans la plupart des articles, ce qui est faux dans le sens qui coûte de l'argent : le fait que le code soit sous Apache 2.0 ne rend pas les poids Apache 2.0, et l'utilisation commerciale du modèle passe par l'API hébergée plutôt que par un checkpoint auto-hébergé.

Du côté de Google, la question de la licence ne se pose pas du tout, car il n'y a rien à concéder sous licence. Vous achetez de l'inférence. Ce à quoi vous renoncez, c'est précisément ce pour quoi l'on achète habituellement des poids ouverts : la possibilité d'exécuter le modèle là où se trouvent les données, de figer une version et de la conserver, et de cesser de payer au caractère près.

Donc la formulation honnête n'est pas ouvert contre fermé. C'est :

• Si votre déploiement doit conserver l’audio au sein de votre propre infrastructure, Breeze TTS 2 est le seul des deux à offrir une voie, et cette voie est une licence de recherche. Consultez un conseiller juridique avant de développer un produit sur cette base.

Si votre déploiement peut appeler une API, la question de la licence disparaît et la comparaison se ramène à la qualité, au prix et aux fonctionnalités — où Flash TTS est en avance sur deux des trois.

• Si vous voulez des poids ouverts que vous pouvez commercialiser sans conversation, aucun de ces deux n’est ce modèle, et l’arène a d’autres lignes.

Là où l'écart Elo a du sens et où il n'en a pas

Un écart de 56 points se situe en dehors des intervalles de confiance de ±16 et ±16 que le tableau indique pour ces deux lignes, donc ce classement n’est pas du bruit comme peut l’être, disons, Flash TTS face à Gemini 3.8 Flash-Lite TTS. Mais un Elo d’arène mesure une seule chose : lequel de deux extraits audio un auditeur a préféré lors d’une comparaison à l’aveugle. C’est un signal de préférence, agrégé.

Ce qu'il ne mesure pas, c'est tout ce qui importe à un pipeline de production. Il ne vous dit pas comment chacun des deux modèles gère un script de 40 minutes sans dérive d'identité, comment il prononce le nom de votre produit, comment il se comporte lorsque l'entrée contient un numéro de téléphone, ni à quoi ressemble son mode de défaillance lorsqu'on lui demande quelque chose qui sort de son entraînement. Les 1 390 échantillons de Breeze TTS 2 et les 1 999 de Flash TTS sont tous deux suffisamment grands pour que le résultat agrégé soit stable, et tous deux suffisamment petits pour qu'aucun segment individuel de votre cas d'usage n'y soit représenté.

L’écart est également plus étroit qu’il n’y paraît lorsqu’on tient compte de ce que chaque modèle est censé faire. Flash TTS gère deux locuteurs en un seul appel, une tâche plus difficile que celle sur laquelle Breeze TTS 2 est évalué. Que cela fasse des 56 points une sous-estimation ou une surestimation dépend de votre cas d’usage, et aucun des deux fournisseurs n’a publié l’ablation qui permettrait de trancher.

Combien coûte une heure de chacun

Les deux chiffres de prix ne sont pas directement comparables, et prétendre le contraire est l'erreur la plus fréquente dans les analyses de cette confrontation.

Google facture en tokens : 0,50 $ par million de tokens de texte en entrée et 9,00 $ par million de tokens audio en sortie jusqu'au 31 décembre 2026, puis 18,00 $. Batch et Flex coûtent 0,25 $ et 4,50 $ ; Priority coûte 0,90 $ et 16,00 $. Flash-Lite TTS, le modèle frère, coûte 0,50 $ et 6,00 $, puis 12,00 $.

BreezeBlue facture en caractères : 34,00 $ par million de caractères via l’API hébergée.

Artificial Analysis normalise les deux sur une base par million de caractères afin qu’ils puissent partager un tableau, et c’est de là que viennent 16,50 $ contre 34,00 $. La normalisation est celle du tableau, pas celle de l’un ou l’autre des fournisseurs — Google ne publie pas de tarif par caractère pour Flash TTS, et traiter 16,50 $ comme un devis plutôt qu’une conversion, c’est ainsi que des gens finissent par être surpris par une facture.

Deux conséquences à anticiper :

• Le tarif de Flash TTS double le 1er janvier 2027. Avec un budget établi sur le tarif promotionnel, l’écart avec Breeze TTS 2 se réduit fortement ; avec un budget établi à 18,00 $, il se comble presque.

• L'auto-hébergement de Breeze TTS 2 ne le rend pas gratuit, il en fait un coût en capital. Un modèle 3B est assez petit pour tourner sur du matériel modeste, mais le calcul ne devient avantageux qu'à volume, et seulement pour un cas d'usage que la licence de recherche autorise.

Choisir, sans prétendre qu’il n’existe qu’une seule réponse

L'arbre de décision est court.

Choisissez Gemini 3.8 Flash TTS si vous avez besoin d’un dialogue à deux voix, si vous voulez une voix conçue à partir d’une description et conservée sous forme d’ID, si votre pipeline peut appeler une API, et si le changement de tarif du 31 décembre est quelque chose que vous pouvez anticiper. C’est le meilleur modèle sur le classement indépendant et le moins cher sur la facture, et le fait qu’il soit fermé ne pose pas problème pour un cas d’usage qui allait de toute façon être un appel d’API.

Choisissez Breeze TTS 2 si la résidence des données ou l'inférence sur site est une exigence absolue, si vous avez besoin d'un modèle 3B que vous pouvez réellement télécharger, ou si vous faites de la recherche plutôt que de livrer un produit — ce qui est précisément le cas pour lequel sa licence est rédigée. Ne le choisissez pas uniquement pour le label open-weights ; lisez d'abord la licence.

Et si vous évaluez les deux, le moyen le moins coûteux de le faire est de garder le choix réversible. OrcaRouter n'héberge ni l'un ni l'autre de ces modèles — l'endroit où appeler Gemini 3.8 Flash TTS est l'API propre à Google et les surfaces que Google a désignées, et l'endroit où appeler Breeze TTS 2 est le point de terminaison hébergé de BreezeBlue. Ce pour quoi un routeur est utile ici, c'est le reste de la pile : plus de 200 modèles derrière une seule clé au prix catalogue du fournisseur sans majoration, de sorte qu'un changement de prix d'un fournisseur comme l'étape tarifaire de janvier soit en ligne le jour même plutôt qu'à la prochaine échéance de facturation, basculement automatique afin qu'un chemin en cours d'évaluation ne doive pas être un chemin en production, et un DSL de routage qui compose les modèles en un seul appel quand une seule voix ne suffit pas.

La version en une ligne : le classement dit Google, la licence dit que ça dépend, et le prix dit de vérifier votre calendrier avant de vous engager pour l'un ou l'autre.