Beste AI-stem: test van 14 TTS-modellen

👁 121 keer gelezen

De beste AI-stem in deze test is Eleven v4 van ElevenLabs, al deelt hij de eerste plek qua foutloze uitspraak verrassend met Gemini 3.1 Flash TTS van Google, dat in een veel lagere prijsklasse zit. Ik heb 14 text-to-speech-modellen getest op exact dezelfde Poolse zinnen: tongbrekers, lastige achternamen, datums, bedragen, afkortingen, een telefoonnummer en een e-mailadres. Elke opname is gecontroleerd met drie verschillende transcriptiemodellen en kun je hieronder zelf beluisteren, naast de Artificial Analysis-benchmark van 28 september 2026. Een nieuwe stem van Microsoft behandel ik in het artikel over MAI-Voice-2.1. Je kunt dezelfde stemmen ook blind vergelijken via de AI-stemmenvergelijking: 8 stemmen op één tekst.

Hoe de AI-stemmen zijn getest

Elk model kreeg dezelfde drie teksten aangeboden in reguliere spelling, dus zonder uitgeschreven getallen, precies zoals de meeste scripts in de praktijk worden aangeleverd. De tests zijn uitgevoerd in het Pools, een taal vol complexe naamvallen en medeklinkerclusters. De eerste tekst bevatte vier zinnen (353 tekens) met klassieke tongbrekers, een academische titel met achternaam, een datum (17.03.2027), een tijdstip (9:45), een straatadres met huisnummer, een bedrag met decimalen en een percentage. De tweede tekst was een hindernisbaan van 11 valkuilen: treincodes, een perronnummer, tijdstippen, een schrikkeldatum, bestelnummers met schuine strepen, bedragen, afkortingen, een telefoonnummer en een e-mailadres. De derde test controleerde hoe het model omgaat met Engelse merknamen binnen een anderstalige zin: Google Chrome, YouTube, Subscribe, OneDrive en WhatsApp.

De modellen van ElevenLabs zijn getest via hun eigen officiële API, de overige via fal.ai en OpenRouter. Bij ElevenLabs gebruikte ik de stem Adam uit de bibliotheek, bij andere aanbieders de standaard ingebouwde mannelijke stemmen en bij Inworld de stem Szymon. De resultaten werden getoetst via drie transcriptiesystemen: Whisper large-v3 (lokaal op de CPU), ElevenLabs Scribe v2 en Gemini met de prompt om audio fonetisch exact uit te schrijven. Een uitspraak werd pas als fout geteld wanneer minstens twee van de drie transcripties de fout bevestigden.

Modellen zonder publieke API op deze platforms zijn niet meegenomen: Cartesia Sonic 3.6, Speechify Simba 3.2, Inworld Realtime TTS-2 en Luna TTS. Omdat Qwen-Audio-3.0-TTS-Plus niet beschikbaar was via de API, is de lichtere versie Qwen Audio 3.0 TTS (Flash) getest. Bedragen in USD zijn omgerekend naar EUR op basis van de ECB-referentiekoers van 12 oktober 2026 (1 EUR = 1,1181 USD, bron: ECB).

Ranglijst: resultaten op de testzinnen

* Tarief volgens Artificial Analysis. Via fal.ai kostten deze Google-modellen circa 26,83 tot 44,72 EUR (30-50 USD) per miljoen tekens door opslagen van de tussenpartij. ** GPT Audio factureert op basis van audio-tokens in plaats van tekens; deze schatting is berekend vanuit de werkelijke kosten van de testzin van 353 tekens (ongeveer 0,047 EUR / 0,053 USD en 0,0017 EUR / 0,0019 USD). Tarieven van ElevenLabs zijn exclusief btw; tot 12 oktober kost v4 circa 19,68 EUR (22 USD) en v4 Turbo circa 9,84 EUR (11 USD) per miljoen tekens.

Het podium: Eleven v4, v4 Turbo en Gemini 3.1 Flash TTS

Eleven v4 behaalde de maximale score op drie verschillende stemmen (Adam, Magdalena, Alice) en over drie afzonderlijke generaties, wat aantoont dat het resultaat consistent is. De datum werd vloeiend uitgesproken met de juiste grammaticale verbuiging van de maand, geldbedragen kregen de correcte valutavervoeging en het e-mailadres werd netjes uitgesproken als “apenstaartje” en “punt”. Het model ondersteunt bovendien emotietags, wat uniek is binnen deze vergelijking. Meer details lees je in het artikel over Eleven v4.

Eleven v4 Turbo deed het qua cijfers net zo goed, maar start al na 0,25 seconden met praten (tegenover 0,95 seconden bij de volledige v4) en verbruikt de helft van de API-credits. Voor realtime voice agents en interactieve toepassingen is dit de betere optie.

Gemini 3.1 Flash TTS is de grote verrassing van de test. In de Artificial Analysis-ranglijst staat dit model pas op plek 11 (1203 punten), maar in deze test sprak het alle getallen, datums en schuine strepen in bestelnummers foutloos uit. De datum werd iets informeler uitgesproken (als dag en maandcijfer in plaats van de volledige maandnaam), wat correct is maar minder verfijnd klinkt. Een nadeel: via fal.ai duurde de generatie 19 tot 50 seconden voor een kort tekstfragment van 353 tekens.

De middenmoot: Eleven v3, Gemini 3.8 en OpenAI

Eleven v3 (17/18) struikelde over een grammaticale naamval bij een perronnummer en sloeg bij één poging met een vrouwelijke stem de maand over. Aangezien v4 via de API hetzelfde kost, is er weinig reden om bij v3 te blijven.

Gemini 3.8 Flash-Lite TTS (17/18) biedt met circa 9,84 EUR (11 USD) per miljoen tekens de beste prijs-kwaliteitverhouding. Het model maakte slechts één fout bij een complex kommagetal en haperde licht op een lange achternaam.

Gemini 3.8 Flash TTS, die derde staat in de Engelstalige benchmark, presteerde hier opvallend genoeg minder goed dan zijn goedkopere Lite-broer. Het model koos een verkeerde grammaticale vorm bij een aanspreektitel, las datums erg letterlijk voor en liet cijfers vallen in het telefoonnummer. De consistentie tussen verschillende pogingen was bovendien wisselend.

GPT Audio en GPT Audio mini van OpenAI zijn spraakvaardige chatmodellen in plaats van traditionele TTS-engines. Ze spreken zinnen overtuigend uit, maar behandelden de testzin met software-instructies (oorspronkelijke Poolse testzin: “Open Google Chrome, ga naar YouTube…”) als een directe gebruikersopdracht en antwoordden: “Sorry, ik kan dergelijke acties niet uitvoeren.” Pas nadat de tekst tussen aanhalingstekens werd geplaatst met het commando “lees letterlijk voor”, werkten ze mee. Voor professionele voice-overproducties brengt dit onvoorspelbaarheid met zich mee.

xAI TTS heeft deze taal niet officieel in de lijst staan, maar schakelt bij automatische taaldetectie vlot over. De meeste zinnen klonken redelijk, maar het model spelde het eerste lastige woord letter voor letter, liet de afkorting voor doctor onveranderd staan en las een datumnotatie per abuis voor als een tijdstip.

Onderaan de ladder: waar spraaksynthese faalt

Eleven Multilingual v2 en Flash v2.5 zijn oudere modellen die nog vaak standaard actief zijn in integraties. Ze spraken afkortingen geregeld fonetisch letter voor letter uit en maakten reken- en leesfouten in getallen. Flash veranderde bij een vrouwelijke stem zelfs een volledige datum. Zodra tekstnormalisatie handmatig werd geactiveerd (apply_text_normalization: "on" in de API-call), scoorde Flash ineens 10 uit 11 op de hindernisbaan. Eén instelling maakt hier dus een wereld van verschil.

MiniMax Speech 2.8 HD las komma’s in datums letterlijk voor als “komma nul drie”, sprak straatafkortingen niet voluit en gebruikte Engelse termen in het e-mailadres. Daarnaast vielen er onnatuurlijk lange stiltes tussen woorden: de testzinnen duurden bij MiniMax 49,6 seconden, vergeleken met 32,1 seconden bij Eleven v4.

Inworld TTS-1.5 Max begon redelijk, maar veranderde halverwege in onverstaanbare klanken. Qwen Audio 3.0 TTS bleek de geteste taal niet te beheersen: het las de tekst voor met een zwaar Engels accent en vertaalde datums eigenhandig naar het Engels (zoals “the 29th of February 2028”).

Artificial Analysis versus deze praktijktest

De benchmark van Artificial Analysis meet de natuurlijke klank van stemmen op basis van Engelse audiofragmenten via blinde luistertests. De top 8 op 28 september 2026 luidde: Eleven v4 (1319 Elo), Cartesia Sonic 3.6 (1276), Gemini 3.8 Flash TTS (1267), Qwen-Audio-3.0-TTS-Plus (1258), Inworld Realtime TTS-2 (1246), Gemini 3.8 Flash-Lite TTS (1241), Speechify Simba 3.2 (1240) en Luna TTS (1231). Een overzicht met API-prijzen staat in het stuk over Eleven v4.

De aansluiting bij deze praktijktest is wisselend. De koploper is identiek. Maar Gemini 3.8 Flash TTS, de nummer drie in de Engelstalige ranglijst, werd in deze test voorbijgestreefd door zowel de Lite-variant als het oudere Gemini 3.1 Flash TTS. Modellen van Qwen en Inworld die hoog scoren in het Engels, vielen hier volledig door de mand. Conclusie: een Engelstalige benchmark toont de potentie van het onderliggende model, maar voor specifieke talen en complexe cijfers moet je altijd zelf testen.

Gemini 3.8 Flash beoordeelde de opnames ook op natuurgetrouwheid. Eleven v4, v4 Turbo, Gemini 3.1 Flash en 3.8 kregen een score van 8/10. Multilingual v2 en Flash v2.5 kregen op niet-Engelse stemmen scores tussen 2 en 6/10 met opmerkingen over een houterige intonatie bij getallen. Dat strookt met de metingen van toonhoogtevariatie: Flash v2.5, Multilingual v2, GPT Audio mini en xAI TTS klonken het meest vlak.

Welke AI-stem kies je waarvoor?

• Voice-overs voor video’s, cursussen en reclame: Eleven v4 met een hoogwaardige stem uit de bibliotheek. Hoe je de juiste stem kiest, lees je in de ElevenLabs-handleiding.
• Voice agents en live interactie: Eleven v4 Turbo (begint na 0,25 seconden met genereren).
• Grote tekstvolumes tegen lage kosten: Gemini 3.1 Flash TTS of Gemini 3.8 Flash-Lite via de Google API.
• Volledig gratis en lokaal: geen van deze cloudmodellen; bekijk AI-stemmen en TTS voor opensource-engines en lokale opties.

Bereid teksten vooraf altijd voor op spraaksynthese: hanteer korte zinnen en plaats leestekens bewust op plekken waar een adempauze natuurlijk klinkt. De checklist hiervoor vind je in het artikel over tekstvoorbereiding voor AI-stemmen.

Veelgestelde vragen

Wat is de beste AI-stem op dit moment?

In de test van 14 modellen op 28 september 2026 kwam Eleven v4 van ElevenLabs als winnaar uit de bus: foutloos op alle 18 controlepunten rondom getallen, datums en afkortingen, getest over meerdere stemmen. Eleven v4 Turbo en Gemini 3.1 Flash TTS lazen getallen eveneens zonder fouten voor.

Wat is het goedkoopste goede TTS-model?

Gemini 3.8 Flash-Lite TTS van Google: ca. 9,84 EUR (11 USD) per miljoen tekens volgens Artificial Analysis, met slechts één klein foutje in de getallentest. Gemini 3.1 Flash TTS kost ca. 16,37 EUR (18,3 USD) per miljoen tekens en maakte geen enkele fout.

Leest spraaksynthese getallen en datums correct voor?

Recente modellen doen dit uitstekend, oudere modellen hebben er grote moeite mee. Eleven v4 las alles goed voor, terwijl Eleven Flash v2.5 op standaardinstellingen slechts 7 van de 18 punten haalde. Bij oudere modellen helpt het om tekstnormalisatie in te schakelen of cijfers vooraf voluit te schrijven.

Kun je ChatGPT gebruiken als voice-over?

Het GPT Audio-model klinkt natuurlijk, maar kan input interpreteren als een chatopdracht. Zinnen die lijken op instructies (“Open Google Chrome…”) leidden tot een weigering van de assistent. Tekst moet daarom expliciet tussen aanhalingstekens worden gezet met het verzoek om deze letterlijk voor te lezen.

Wat kost een minuut AI-spraak?

Eén minuut gesproken tekst komt overeen met circa 660 tekens. Bij Eleven v4 via de API kost dit ongeveer 0,05 EUR (0,053 USD) exclusief btw (tijdens de actie tot 12 oktober circa 0,013 EUR / 0,015 USD). Bij Gemini 3.8 Flash-Lite TTS ligt dat rond de 0,006 EUR (0,007 USD).

// lees verderBeste AI-stemmen vergelijken: 8 modellen getest met audioBenchmarksWelke AI voor je bachelorscriptie? Test met 7 modellenBenchmarksAI image generator vergelijken: arena met 11 modellenBenchmarks

Kinetyra

De link naar ElevenLabs is een partnerlink: als je via deze link koopt, ontvangt HELDER een commissie en betaal je dezelfde prijs. Dit heeft geen invloed op de inhoud, ook niet op kritische passages.