Breeze TTS 2：以 1,215 Elo 成為新的開放權重 TTS 領導者

{{1}}Breeze TTS 2 現在是 Artificial Analysis 的 Provider Voices Speech Arena 中排名最高的開放權重文字轉語音模型，{{2}}擁有 1,215 Elo——比先前的開放權重領導者 Fish Audio S2 Pro 高出 90 分，並且在超過 100 個受評系統中整體排名第 6。{{3}}這項排名是對 BreezeBlue 自 2026 年 8 月中旬發布該模型以來所宣稱內容的首次獨立確認：{{4}}一個來自約 15 人新創公司的兩週齡語音模型，能夠與商業級文字轉語音前沿技術並駕齊驅。{{5}}開放權重於 2026 年 8 月 25 日上傳至 Hugging Face；{{6}}競技場結果在一天之內隨之而來。{{7}}無論 Breeze TTS 2 最終會成為什麼，它都不再只是供應商的承諾——{{8}}它有 Elo 積分為證。

按順序，實際發生的事情

時間線在這裡很重要，因為它解釋了為什麼一篇關於「開放權重排行榜」的文章會來自一家三週前大多數人從未聽過的公司。BreezeBlue 由楊斌創立，他是中國頂尖人工智慧實驗室之一的技術聯合創辦人，種子輪融資600萬美元，由元璟資本和紅點中國領投。該模型經歷了三個明顯的里程碑：

• 2026年8月7日 — BreezeBlue 在 Hugging Face 上發布了自家用於語音設計、語音導演及延遲評估的文字轉語音基準測試套件。

• 2026年8月16日至17日——該公司正式宣布Breeze TTS 2作為面向互動媒體的即時旗艦語音模型，並開放了託管API，價格為每100萬字元34美元。

• 2026年8月25日 — 權重與 PyTorch 推論程式碼已在 Hugging Face 上以 BreezeBlue/Breeze-TTS-2 開源，這是一個採用研究及非商業用途授權的 3B 參數模型。

Artificial Analysis Provider Voices 排名在開放權重釋出後數天內便已上線。由於競技場是透過盲測並排聆聽來為模型評分，1,215 的 Elo 並非 BreezeBlue 自行執行的基準測試——而是聽眾比較真實樣本後累積的判斷，而這正是這個年輕模型最缺乏的。

計分板

• 競技場排名 — 在 Provider Voices 中整體排名第 6；在所有開放權重模型中排名第 1，領先 Fish Audio S2 Pro（1,125 Elo）。

• Elo — 1,215，95% 信賴區間約為 ±17（Artificial Analysis，截至 2026 年 8 月下旬）。

• 語言 — 50 種，根據 BreezeBlue；模型卡標記為英語和中文。

• 價格 — BreezeBlue 的託管端點上每 1M 字元 34 美元；開放權重可免費下載，但附帶非商業授權。

• 速度 — 根據 Artificial Analysis 的測量，每秒約 45 個字元 — 比數個競爭對手慢，這對長篇任務而言很重要。

• 延遲——低於 40 毫秒的串流延遲，據 BreezeBlue 所述（廠商聲稱，未經獨立測量）。

Breeze TTS 2 實際上有何不同之處

Elo 佔據了頭條，但產品主張比分數更有意思。Breeze TTS 2 圍繞兩個大多數文字轉語音模型視為次要考量的概念而建構：語音設計與語音導向。語音設計是零樣本且無需參考的——你可以用自然語言描述一種聲音（「一位溫暖、四十多歲的敘述者，帶點輕微的南方拖腔和冷面幽默」），模型便會生成該聲音，無需錄音室錄製或參考片段。語音導向將說話者的音色與表達意圖解耦，因此你可以讓一句台詞聽起來諷刺、輕聲或急促，而不會讓模型漂移到不同的角色。BreezeBlue 表示，同一說話者身分在轉換後依然保持，其自家的語音導向基準報告的說話者相似度為 0.67 SPK_SIM（廠商報告）。

這兩項能力彰顯了 Breeze TTS 2 鎖定的目標市場。新聞資料說得很明確：電玩角色、數位夥伴、敘事故事、廣播劇、虛擬直播主——長篇、角色驅動、多角色的音訊內容，而不只是另一個旁白 API。該公司隨附了一個名為 Voice Galaxy 的語音庫，收錄超過 15,000 個由社群與工作室打造的角色語音；BreezeBlue 的示範片是一段長度超過十分鐘的多角色粉絲廣播劇。在其自行發布的基準測試中（供應商自報、未經複現），Breeze TTS 2 宣稱在文字轉語音 Voice Design 基準上拿下第一名，角色適配分數為 78.02，對比 MiMo-V2.5-TTS 的 72.78；語音方向綜合指數為 4.25。

授權星號

在「開放權重」一詞被過度用作行銷話術之前，請閱讀模型卡。Breeze TTS 2 有 3B 參數，採用 safetensors、F32/BF16，而原始碼為 Apache 2.0——但權重、衍生模型及自架輸出僅在 breezeblue-research-and-non-commercial-license 之下授權為研究與非商業用途。這表示這裡的「開放權重」並非「可免費用於你的產品」。依授權條款文字，商業自架並不被允許；商業途徑是每 1M 字元 $34 的託管 API。這與其他幾個 2026 年的開放釋出模式相同——可供檢查與自架以進行研究，但能產生收益的用途則保留給供應商自己的端點。

為何路由器對如此年輕的模型很重要

Breeze TTS 2 目前真正的風險不在品質，而在於它的資歷。模型上線十天，權重釋出兩天。任何生產團隊都不該在沒有撤離方案的情況下，把語音管線押在一個這麼新的模型上——而這正是路由層存在所要吸收的失敗模式。如果你透過一個把廠商端點視為眾多路由之一的閘道器來評估 Breeze TTS 2，你今天就拿到 Elo 排行榜的領先者；當 API 效能低落時自動故障轉移到備援供應商；若一個一週大的模型出現回歸，只需改一行程式碼。這正是路由 DSL 套用於任何模型的紀律：將它與替代方案組合、保持介面穩定，並讓模型先證明自己，然後才讓它承擔重任。這個系列目前還沒有任何模型真正路由在 OrcaRouter 上，所以最誠實的建議是：把 Breeze TTS 2 接入你已運行的閘道器——並讓現有供應商與之並行運作，直到 Elo 數據越來越成熟、越來越可信為止。

接下來要看什麼

今天的話題是 Provider Voices 的 #1 開放權重名次，但對這個模型來說，它是兩個競技場中較弱的一個。在 Artificial Analysis 的 Controlled Voice 競技場中，所有模型都在相同的固定參考語音下進行比較，Breeze TTS 2 在開放權重模型中排名第 3，Elo 為 1,002，落後於 Mistral 的 Voxtral（1,010）——並在總共 39 個模型中排名第 16。其 Provider Voices 分數（1,215，開放權重第 1）與 Controlled Voice 分數（1,002，開放權重第 3）之間的差距值得關注：這表明 Breeze TTS 2 的優勢集中在它為自己設計的語音上，而這正是產品的賣點，也正是一個獨立基準應該持續施壓的地方。觀察 Controlled Voice 的 Elo 是否會向 Provider Voices 的分數靠攏、商業授權是收緊還是放寬，而且——最重要的是——是否有人會在 BreezeBlue 自己的測試套件之外，重現語音設計與語音方向的基準測試。

對於一個一個月前還不存在的模型來說，Breeze TTS 2 已經贏得了文字轉語音模型所能贏得的最有用的東西：一個與行銷宣傳相符的獨立評分。它是否會成為互動產品的預設語音，與其說取決於下一次 Elo 更新，不如說取決於授權和自行託管方案的發展——但截至本週，開放權重的文字轉語音已有新的領導者，而它才兩週大。