音频能力榜：语音识别与音频理解排名
AITIER分领域模型榜音频榜考的是「听得清」：口音、噪声、语速与多人对话都属于真实场景。适合做转写、会议纪要与语音助手时先筛一轮。
本页是音频能力榜第 1 / 2 页，本榜共收录 98 条成绩，榜首 Eleven v4 （100 分 · ElevenLabs）。分数是归一化相对分（0~100，100 为榜单方设定的参考上限，当前榜首不一定到 100），不等于原始 benchmark 分。 分数与名次照原榜公布的结果列出，名次不改写，跨榜之间也不能直接比大小。音频榜的分数差异最容易被忽略：识别准确率与「听懂再回答」是两件事，看榜时别混着比。 原榜本轮成绩生效于 2026-10-28，这份数据的时间是 2026-10-28 15:39:51（北京时间）。
音频能力榜名次
98 条成绩 · 第 1 / 2 页名次与分数照原榜公布的结果列出，名次不改写。得分条长度就是分数本身（0~100 的同一区间）， 翻到第二页也还是同一刻度，所以行与行、页与页之间的条长可以直接比； 「差榜首」是相对本榜第一名差了多少分，「—」表示它就是榜首。原榜没给的数值显示「—」。
| 排名 | 模型 | 得分 | 开源 | 发布日 | 差榜首 |
|---|---|---|---|---|---|
| 1 |
Eleven v4
ElevenLabs
|
闭源 | — | — | |
| 2 |
Eleven v4 Turbo
ElevenLabs
|
闭源 | — | 0.0 | |
| 3 |
Qwen-Audio-3.1-TTS-Plus
Alibaba
|
闭源 | — | -6.0 | |
| 4 |
Sonic 3.6
Cartesia
|
闭源 | — | -8.0 | |
| 5 |
Gemini 3.8 Flash TTS
Google
|
闭源 | — | -10.0 | |
| 6 |
Qwen-Audio-3.0-TTS-Plus
Alibaba
|
闭源 | — | -13.0 | |
| 7 |
Realtime TTS-2
Inworld
|
闭源 | — | -13.0 | |
| 8 |
Gemini 3.8 Flash-Lite TTS
Google
|
闭源 | — | -15.0 | |
| 9 |
Simba 3.2
SpeechifyAI
|
闭源 | — | -17.0 | |
| 10 |
Fish Audio Drama 3 Preview
Fish Audio
|
闭源 | — | -18.0 | |
| 11 |
Breeze TTS 2
BreezeBlue
|
闭源 | — | -21.0 | |
| 12 |
Realtime TTS-2 Flash
Inworld
|
闭源 | — | -23.0 | |
| 13 |
Voxtral 3 TTS
Mistral
|
闭源 | — | -23.0 | |
| 14 |
Gemini 3.1 Flash TTS
Google
|
闭源 | — | -24.0 | |
| 15 |
v3 Conversational
ElevenLabs
|
闭源 | — | -24.0 | |
| 16 |
StepAudio 2.5 TTS (Aug 2026)
StepFun
|
闭源 | — | -24.0 | |
| 17 |
Luna TTS
VUI Labs
|
闭源 | — | -26.0 | |
| 18 |
Sonic 3.5
Cartesia
|
闭源 | — | -28.0 | |
| 19 |
Eleven v3
ElevenLabs
|
闭源 | — | -29.0 | |
| 20 |
Ming-3.0-tts
Ant Group
|
闭源 | — | -29.0 | |
| 21 |
Fish Audio S2.1 Pro (Oct 2026)
Fish Audio
|
闭源 | — | -29.0 | |
| 22 |
Soniox TTS Real-Time v2
Soniox
|
闭源 | — | -30.0 | |
| 23 |
Gradium TTS (Sep 2026)
Gradium
|
闭源 | — | -32.0 | |
| 24 |
Speech 2.8 HD
MiniMax
|
闭源 | — | -32.0 | |
| 25 |
Lightning V3.1 Pro (Jul 2026)
Smallest.ai
|
闭源 | — | -33.0 | |
| 26 |
Falcon 2
Murf AI
|
闭源 | — | -35.0 | |
| 27 |
SpaceXAI TTS
SpaceXAI
|
闭源 | — | -35.0 | |
| 28 |
Gradium TTS (Aug 2026)
Gradium
|
闭源 | — | -36.0 | |
| 29 |
Speech 2.8 Turbo
MiniMax
|
闭源 | — | -36.0 | |
| 30 |
Async Flash v1.5
async
|
闭源 | — | -38.0 | |
| 31 |
Azure HD 2.5
Microsoft
|
闭源 | — | -38.0 | |
| 32 |
Step TTS 2 (Mar 2026)
StepFun
|
闭源 | — | -39.0 | |
| 33 |
Async Pro v1.0
async
|
闭源 | — | -41.0 | |
| 34 |
Speech 2.6 HD
MiniMax
|
闭源 | — | -41.0 | |
| 35 |
Simba 3.0
SpeechifyAI
|
闭源 | — | -43.0 | |
| 36 |
Speech 2.6 Turbo
MiniMax
|
闭源 | — | -43.0 | |
| 37 |
Chatterbox HD
Resemble AI
|
闭源 | — | -44.0 | |
| 38 |
Fish Audio S2 Pro
Fish Audio
|
闭源 | — | -45.0 | |
| 39 |
Speech-02-HD
MiniMax
|
闭源 | — | -45.0 | |
| 40 |
TTS-1 HD
OpenAI
|
闭源 | — | -46.0 | |
| 41 |
Step Audio EditX (Mar 2026)
StepFun
|
闭源 | — | -47.0 | |
| 42 |
Multilingual v2
ElevenLabs
|
闭源 | — | -48.0 | |
| 43 |
Speech 2.6
Hithink
|
闭源 | — | -48.0 | |
| 44 |
Turbo v2.5
ElevenLabs
|
闭源 | — | -48.0 | |
| 45 |
Gemini 2.5 Flash-Lite (Non-reasoning)
Google
|
开源 | 2025-06-17 | -49.0 | |
| 46 |
OpenAudio S1
Fish Audio
|
闭源 | — | -49.0 | |
| 47 |
Speech-02-Turbo
MiniMax
|
闭源 | — | -49.0 | |
| 48 |
TTS-1
OpenAI
|
闭源 | — | -49.0 | |
| 49 |
Voxtral TTS
Mistral
|
闭源 | — | -49.0 | |
| 50 |
Flash v2.5
ElevenLabs
|
闭源 | — | -51.0 |
这个榜怎么看
评分方式与读榜要点常见问题
只回答这一栏的问题100 分是满分吗？
不是。100 只是 0~100 区间的顶端，当前榜首不一定到 100——有的榜榜首只有 90 多分、甚至 70 多分，这属于正常。分数是把各模型的原始成绩折算到同一区间后的相对值，不是答对率、也不是 Elo 分，这里不再换算一次。
不同榜的分数能横向比大小吗？
不能。每个榜的题库、判分方式与统计方式都不同，通用榜 90 分和代码榜 90 分之间没有共同单位；同一个模型在两张榜上分数不同也不代表它「偏科」。只能看它在同一个榜里的位置。
为什么同一个模型会出现好几条成绩？
榜单按「具体版本」收录：不同推理档位（如 high / max）、不同上下文配置的成绩会被拆成多行，分数也不一样。这里保留原有的行数，所以名次表里的行数会多于模型品牌数。
数据来自 aitier.net 的分领域模型榜，它聚合 Artificial Analysis 与 LLM Stats 的成绩；名次与分数按原榜原样收录。
