Gemini 3.8 TTS 對決 Breeze TTS 2：授權條款，而非排行榜，決定了這一局

五十六點 Elo 積分將Gemini 3.8 Flash TTS與Breeze TTS 2在 Artificial Analysis Provider Voice Arena 上隔開，而兩者的誤差範圍並未重疊：該廠商的模型以 1,260 的 Elo 位居第 2 名，涵蓋 1,999 個樣本與 8 種競技場語音，於 2026 年 9 月 23 日發布；Breeze TTS 2 則以 1,204 位居第 9 名，涵蓋 1,390 個樣本，於 2026 年 8 月發布。在價格方面，排序則徹底翻轉——Breeze 的標價為每百萬字元 34.00 美元（經標準化），而 Flash TTS 為 16.50 美元，因此稱霸榜單的模型在帳單上以大約兩倍的差距落敗。

如果比較就到此為止，那會是一篇簡短的內容，而你就會根據自己有多信任那 56 分的差距來做選擇。但這兩個模型並不是同一類的東西。Breeze TTS 2 是一個 30 億參數的開放權重模型，你可以自行下載、檢視並執行，而它的授權條款到頭來比它在排行榜上的名次更重要。Gemini 3.8 Flash TTS 則是一個 API 端點，具備語音設計與雙人對話功能，而且完全沒有權重。在兩者之間做選擇，其實是穿著基準測試外衣的授權與部署問題。

每一個實際上是什麼

先弄清楚每個模型的特性，再來比較數字，因為除了 Elo 之外，它們幾乎在每個面向都不相同。

• 發佈方式 — Breeze TTS 2 可供下載：權重以 BreezeBlue/Breeze-TTS-2 之名發佈於 Hugging Face，並附帶 PyTorch 程式碼。Gemini 3.8 Flash TTS 則僅提供 API，可透過 Gemini API 及 9 月 23 日公告中提及的 Google 各介面存取。

• 規模 — Breeze TTS 2 是 3B 參數的模型，這正是它之所以能自行託管的原因。Google 並未公布兩款 Gemini 3.8 TTS 模型的參數數量。

• 語音建立 — Gemini 3.8 Flash TTS 能根據書面描述進行語音設計，並從 30 秒樣本複製語音。Breeze TTS 2 隨附一套供應商以千計的語音庫，以及自家的語音設計途徑；該途徑由供應商回報的角色契合度與指示遵循分數，屬於 BreezeBlue 自家的數據，並無獨立對應的評測。

• 對話 — Gemini 3.8 Flash TTS 可在單次呼叫中生成雙說話者對話，並具備輪次層級的風格設定。Breeze TTS 2 是單一語音模型；一段對話是由兩次執行拼接而成。

• 語言 — 依廠商自己的統計，Breeze TTS 2 涵蓋 50 種語言。Google 的發布公告則稱 Flash 模型支援 130 種語言，但這兩項數字衡量的並非同一件事，不應解讀為 130 對 50。

• 延遲 — BreezeBlue 聲稱串流延遲低於 40 毫秒；Google 並未公布 Flash TTS 的對等數據。這兩個數字都未經獨立驗證，而且其中只有一個存在。

授權條款才是真正的分岔路口

這正是排行榜無法向你呈現的部分，也是這兩個模型即便在品質有所重疊之處仍無法彼此替代的原因。

Breeze TTS 2 的權重是以 BreezeBlue 研究與非商業授權條款發布的。同一個儲存庫中的原始碼則是 Apache 2.0。這兩項事實並列在模型卡上，卻在大多數報導中被簡化成「開源」，而這種出錯的方向是要付出金錢代價的：程式碼採用 Apache 2.0，並不代表權重也是 Apache 2.0，而且該模型的商業使用是透過託管 API 進行，而非透過自行託管的檢查點。

Google 這一邊完全沒有授權問題，因為根本沒有東西可授權。你買的是推論。你放棄的，正是開放權重通常被購入的理由——能在資料所在之處執行模型、能鎖定某個版本並持續保有它，以及不再按字元計費的能力。

所以，誠實的框架不是開放與封閉之爭。而是：

• 若你的部署必須將音訊保留在自家基礎架構內，Breeze TTS 2 是這兩者中唯一提供途徑的方案，而這條途徑就是研究授權。在據此打造產品之前，請先諮詢法律顧問。

• 如果你的部署方式能呼叫 API，授權問題便會消失，比較也會回歸到品質、價格與功能——而在這三者之中，Flash TTS 在其中兩項上佔有優勢。

• 如果你想要的是無需事先溝通就能商業化的開放權重，這兩個都不是那樣的模型，而競技場上還有其他列。

Elo 差距在何時有意義、何時沒有意義

56 分的差距落在此排行榜針對這兩列所回報的 ±16 與 ±16 信賴區間之外，因此這項排名並非像——比如說——Flash TTS 對上 Gemini 3.8 Flash-Lite TTS 那樣屬於雜訊。但競技場 Elo 只衡量一件事：在盲測比較中，聽者偏好兩段音訊中的哪一段。這是一項偏好訊號，經過彙總而成。

它沒有衡量到的，正是正式生產流程所在意的一切。它不會告訴你，兩個模型各自在處理 40 分鐘的腳本時如何不出現身分漂移、如何唸出你的產品名稱、當輸入包含電話號碼時會如何表現，或是當被要求處理訓練範圍以外的內容時，其失效模式會是什麼樣子。Breeze TTS 2 的 1,390 個樣本與 Flash TTS 的 1,999 個樣本，都大到足以讓整體結果穩定，也小到你的使用情境中沒有任何個別片段被納入其中。

一旦把你要求每個模型執行的任務納入考量，這個差距也比表面上看起來更小。Flash TTS 是在一次呼叫中處理兩位講者，這比 Breeze TTS 2 受評的任務更困難。這會讓那 56 分成為低估還是高估，取決於你的使用情境，而兩家廠商都尚未公布能讓此事定論的消融實驗。

每一樣每小時要多少

這兩個價格數字並非可直接互相比較，而假裝它們可以，是關於這場對決的報導中最常見的錯誤。

Google 以權杖計費：輸入每百萬文字權杖 $0.50，輸出每百萬音訊權杖 $9.00，此價格適用至 2026 年 12 月 31 日，之後為 $18.00。Batch 和 Flex 的價格為 $0.25 和 $4.50；Priority 的價格為 $0.90 和 $16.00。同系列模型 Flash-Lite TTS 為 $0.50 和 $6.00，之後為 $12.00。

BreezeBlue 以字元計費：透過代管 API，每百萬個字元為 $34.00。

Artificial Analysis 將兩者都正規化為以每百萬字元為基準，好讓它們能共用同一份榜單，而 $16.50 對上 $34.00 就是這樣來的。這項正規化是該榜單做的，並非任何一家供應商的做法——Google 並未公布 Flash TTS 的每字元費率，而把 $16.50 當成報價、而非換算結果，正是人們最後收到帳單時大吃一驚的原因。

兩個值得事先規劃因應的後果：

• Flash TTS 的費率將於 2027 年 1 月 1 日翻倍。若以促銷價編列預算，與 Breeze TTS 2 的差距會急劇縮小；若以 $18.00 編列預算，則幾乎弭平。

• 自行架設 Breeze TTS 2 並不會讓它免費，而是讓它成為一項資本成本。3B 模型小到足以在一般硬體上執行，但這筆帳只有在用量夠大時才划得來，而且僅限於研究授權允許的使用案例。

選擇，而不假裝只有一個答案

決策樹很短。

如果你需要雙人對話、想要一個依描述設計並保留為 ID 的聲音、你的工作流程可以呼叫 API，而且你能事先規劃因應 12 月 31 日的費率變更，那就選 Gemini 3.8 Flash TTS。它在獨立排行榜上是更好的模型，在帳單上也更便宜；而對於本來就注定要透過 API 呼叫的使用情境來說，它是封閉的這件事並不是問題。

若資料落地或地端推論是硬性需求，若你需要一個真的下載得到的 3B 模型，或者你是在做研究而不是要推出產品——這正是其授權條款所針對的情況——那就選 Breeze TTS 2。別只因為它掛著開放權重的名號就選它；先讀授權條款。

而如果你正在評估這兩者，最省成本的做法就是讓這個選擇保持可逆。OrcaRouter 並未託管這兩個模型——要呼叫 Gemini 3.8 Flash TTS，得用 Google 自家的 API 以及 Google 指定的那些介面；要呼叫 Breeze TTS 2，則得用 BreezeBlue 的託管端點。路由器在此的價值在於堆疊的其他部分：200 多個模型只要一組金鑰，就能以供應商定價，且不加價，因此像一月費率調漲這樣的供應商價格變動，當天就會生效，而不必等到下一個計費週期，自動容錯移轉讓正在評估中的路徑不必同時是正式環境的路徑，還有一套路由 DSL，能在單一語音不夠用時把多個模型組成同一次呼叫。

一句話版本：排行榜說是 Google，授權條款說要看情況，而價格則說在你決定選用哪一個之前，先查一下你的行事曆。