Breeze TTS 2：以 1,215 Elo 分领跑的新开源权重 TTS 模型

Breeze TTS 2 现在是 Artificial Analysis 的 Provider Voices Speech Arena 上排名最高的开放权重文本转语音模型，Elo 达到 1,215——比之前的开放权重领跑者 Fish Audio S2 Pro 高出 90 分，在 100 多个受评系统中总排名第 6。这是 BreezeBlue 自 2026 年 8 月中旬发布该模型以来所宣称内容的首次独立证实：一个来自约 15 人初创公司的、问世仅两周的语音模型，可以与商业文本转语音的前沿产品比肩。开放权重于 2026 年 8 月 25 日上线 Hugging Face；榜单结果在一天之内便随之出炉。无论 Breeze TTS 2 最终还会展现出什么，它都不再只是厂商的承诺——它有一个 Elo 评分可以作证。

实际发生了什么，按顺序来。

时间线在这里很重要，因为它解释了为什么一封“开放权重排行榜”的帖子来自一家三周前大多数人还没听说过的公司。BreezeBlue由杨斌创立——他是中国领先的人工智能实验室之一的前技术联合创始人——创立时获得了一轮600万美元的种子融资，由元璟资本和红点中国领投。该模型经历了三个明显的里程碑：

• 2026年8月7日 — BreezeBlue 在 Hugging Face 上发布了其自己的文本转语音基准测试套件，用于语音设计、语音方向和延迟评估。

• 2026年8月16日至17日——该公司正式宣布Breeze TTS 2作为面向交互媒体的实时旗舰语音模型，并推出了托管API，价格为每100万字符34美元。

• 2026年8月25日——权重和PyTorch推理代码以BreezeBlue/Breeze-TTS-2的形式在Hugging Face上开源，这是一个3B参数模型，采用研究与非商业许可。

The Artificial Analysis Provider Voices ranking was live within days of the open-weights release. Because the arena rates models on blind side-by-side listening, the 1,215 Elo is not a benchmark BreezeBlue ran on itself — it is the accumulated judgement of listeners comparing real samples, which is exactly what a model this young lacks most.

记分牌

• 竞技场排名——在 Provider Voices 中总排名第 6；在开放权重模型中排名第 1，领先 Fish Audio S2 Pro（1,125 Elo）。

• Elo — 1,215，95% 置信区间约为 ±17（Artificial Analysis，截至2026年8月下旬）。

• 语言 — 50，根据BreezeBlue；模型卡片标记为英语和中文。

• 价格 — 在BreezeBlue托管端点上每100万字符34美元；开放权重可免费下载，但附带非商业许可。

• 速度——根据 Artificial Analysis 的测量，每秒约 45 个字符——比几个竞争对手慢，这对长文本任务很重要。

• 延迟——低于40毫秒的流式传输延迟，据BreezeBlue（厂商声明，未经独立测量）。

Breeze TTS 2 到底有何不同

Elo 登上了头条，但产品宣称比分数更有意思。Breeze TTS 2 围绕大多数文本转语音模型视若次要的两个理念构建：语音设计和语音方向。语音设计是零样本且无需参考的——你用一种自然语言描述声音（“一位温暖、四十多岁、带点南方拖腔和冷幽默的旁白”），模型就会在无需录音室录音或参考音频片段的情况下生成这种声音。语音方向将说话人的音色与表达意图解耦，因此你可以让一句台词听上去带讽刺、轻声或急促，而不会让模型漂移成不同的角色。BreezeBlue 表示，同一说话人身份在转换后依然保持不变，其自己的语音方向基准测试报告了 0.67 的说话人相似度（SPK_SIM，厂商自述）。

这两项能力指向了 Breeze TTS 2 的目标市场。新闻材料中明确提到：视频游戏角色、数字伴侣、叙事故事、广播剧和虚拟主播——长篇、角色驱动、多角色的音频，而不仅仅是另一种旁白 API。该公司推出了一款名为 Voice Galaxy 的配套语音库，包含超过 15,000 个由社区和工作室打造的角色声音；而 BreezeBlue 的演示样带是一部时长超过十分钟的多角色粉丝广播剧。根据其自行发布的基准测试（供应商报告，未经复现），Breeze TTS 2 声称在文本转语音的 Voice Design 基准测试中位居第一，Role Fit 得分为 78.02，而 MiMo-V2.5-TTS 为 72.78，Voice Direction 综合得分为 4.25。

许可证星号

在“开放权重”这个词被过度用作营销话术之前，先读模型卡。Breeze TTS 2 拥有 3B 参数，采用 safetensors，支持 F32/BF16，并且源代码采用 Apache 2.0 许可证——但权重、衍生模型和自托管输出仅依照 breezeblue-research-and-non-commercial-license 获得研究与非商业用途的许可。这意味着这里的“开放权重”并不等于“你的产品可免费使用”。按许可证的书面规定，商业自托管不被允许；商业途径是托管 API，价格为每 100 万个字符 34 美元。这与 2026 年其它几个开放发布的形态相同——可供检查、可自托管用于研究，但创收用途保留给厂商自己的端点。

为什么路由器对这么年轻的模型很重要

Breeze TTS 2 当前真正的风险不是质量，而是它太新。模型已上线十天，权重发布两天。任何生产团队都不应该在没有退出路径的情况下，把语音管线押在一个这么年轻的模型上——而这正是路由层存在所要吸收的失效模式。如果你通过一个将供应商端点视为众多路由之一的网关来评估 Breeze TTS 2，你今天就能得到 Elo 领先者、API 降级时自动故障转移到备用提供商的机制，以及在模型仅有一周历史就出现回归时只需一行代码的变更。这与路由 DSL 应用于任何模型的纪律是一致的：与替代方案组合、保持接口稳定、在让它承担负载之前先让模型证明自己。该系列中还没有任何模型在 OrcaRouter 本身上路由，因此诚实的建议是：把 Breeze TTS 2 接入你已在运行的任何网关——并让你的现有提供商与之并行保持在线，让 Elo 数据随时间变得更成熟、更可信。

接下来看什么

今天的焦点是 Provider Voices 中 #1 开放权重的名额，但这是该模型在两个竞技场中表现较弱的一个。在 Artificial Analysis 的 Controlled Voice 竞技场中，所有模型都使用相同的固定参考语音进行比较，Breeze TTS 2 以 1,002 Elo 在开放权重模型中排名第 3，落后于 Mistral 的 Voxtral（1,010 Elo），在总共 39 个模型中总体排名第 16。其 provider-voice 得分（1,215，开放权重第 1）与 controlled-voice 得分（1,002，开放权重第 3）之间的差距值得关注：这表明 Breeze TTS 2 的优势集中在其为自己设计的语音上——这正是产品的卖点，同时也是独立基准测试应该持续施压的地方。要留意 controlled-voice Elo 是否会向 provider-voice 数值靠拢、商业许可是收紧还是放宽，以及——最重要的是——是否有人在 BreezeBlue 自己的测试套件之外重现语音设计与语音控制基准测试。

对于一个月前还不存在的模型，Breeze TTS 2 已经赢得了文本转语音模型所能赢得的最有用的东西：一个与营销宣传相符的独立评分。它是否会成为交互式产品的默认语音，与其说取决于下一次 Elo 更新，不如说取决于许可证和自托管方案如何演变——但截至本周，开源权重文本转语音有了新的领跑者，而它才问世两周。