Inworld Realtime TTS-2 正式发布并登顶语音评测榜

Inworld AI 于 9 月初正式发布实时语音模型 Realtime TTS-2（GA）及 TTS-2 Flash，第三方评测机构 Artificial Analysis 的 Controlled Voice Arena 排行榜显示，该模型以 Elo 1123 登顶，领先 Cartesia Sonic 3.6（1119）与 ElevenLabs 等竞品，成为当前评测维度下最受关注的 TTS 模型。

已确认

• Artificial Analysis 公布 Controlled Voice 排行榜：Inworld Realtime TTS-2 以 Elo 1123 居首，超过 Cartesia Sonic 3.6 的 1119；据 @ArtificialAnlys 的评测，其速度约为 ElevenLabs v3 的两倍半，价格仅约其五分之一，也不到 Sonic 3.6 的一半
• 据 @WorldofAI 报道，该模型在 Artificial Analysis 与 Hugging Face 两个榜单上均超越 ElevenLabs 和 OpenAI
• 正式版（GA）由 Inworld 官方宣布上线，官方称研究预览版使用量远超预期，用户反馈反哺了研发
• 产品能力：支持多轮音频上下文的自然语言实时调控（而非传统无状态朗读），可用 [excited] 等方括号指令实时改变情感与节奏，覆盖 200+ 语言，延迟低于 100ms
• 定价 $12.50/百万字符，官方称性能超过成本 20 倍的竞品
• Artificial Analysis 放出的实测样例包括财经新闻播报（资本市场业务营收环比增长 7.1% 至 8.922 亿美元）与客服减免取消费用的场景对话，展示其自然度

为什么重要

• 实时 TTS 是语音 Agent、客服、游戏 NPC 等场景的关键组件，TTS-2 以低延迟加低价切入，直接冲击 ElevenLabs 等头部厂商的定价体系
• 「多轮上下文 + 情感操控」的能力取向标志着 TTS 从单纯朗读向可对话调控的语音会话基础设施演进

需要说明的是，「最快」「性能超 20 倍成本竞品」等说法主要来自 Inworld 官方宣传，独立佐证目前以 Artificial Analysis 的榜单与样例为主。

2026-09-02 ~ 2026-09-03 · 7 条相关

• Inworld TTS-2 登顶评测，实测超 ElevenLabs — WorldofAI · 2026-09-02
• Inworld Realtime TTS-2 正式发布，登顶 Artificial Analysis 速度榜 — Scobleizer · 2026-09-03
• 【源头】Inworld Realtime TTS-2 发布:多轮上下文+低至百毫秒延迟 — SucceededMind · 2026-09-03
• 【源头】Inworld 发布实时 TTS-2:支持括号语气操控,覆盖 200+ 语言 — testingcatalog · 2026-09-03
• 【源头】Inworld Realtime TTS-2 登顶语音控制榜,价格仅 Sonic 3.6 不到一半 — ArtificialAnlys · 2026-09-03
• Inworld Realtime TTS-2 实测样例曝光:新闻播报与客服话术自然度出众 — ArtificialAnlys · 2026-09-03

另有 1 条近重复转述:ArtificialAnlys