Datos leídos el 19 de noviembre de 2026
Latencia de Gradium TTS
El tiempo hasta el primer audio separa el envío del texto del primer sonido. Para un agente de voz, es la parte del turno que nota quien llama.
| Latencia | Gradium TTS | Puesto (mediana) |
|---|---|---|
| Tiempo mediano hasta el primer audio | 64 ms | 5 / 32 |
| P90 | 161 ms | |
| Tiempo P95 hasta el primer audio (turnos lentos) | 172 ms | 11 / 32 |
| Silencio inicial (mediana) | 0 ms | 2 / 32 |
| Tasa de error de palabras (media) | 1.7% | 16 / 32 |
| Mediciones | 96 |
Fuente : Coval · Leído el 19 de noviembre de 2026 · gradium-tts-beta-202609
Ranking TTS de Coval, por tiempo mediano hasta el primer audio
Todos los modelos que mide Coval, tal como aparecen en su ranking público. Gradium aparece destacado.
| # | Modelo | Mediana | P95 | Silencio inicial | WER |
|---|---|---|---|---|---|
| 1 | Fluxions vui | 36 ms | 65 ms | 8 ms | 2.1% |
| 2 | Deepdub dd-etts-3.3 | 56 ms | 86 ms | 2 ms | 1.6% |
| 3 | Inworld inworld-tts-2-flash | 60 ms | 118 ms | 0 ms | 1.7% |
| 4 | Nari Labs qwen3-tts-fast | 63 ms | 101 ms | 10 ms | 1.9% |
| 5 | Gradium gradium-tts-beta-202609 | 64 ms | 172 ms | 0 ms | 1.7% |
| 6 | Palabra palabra-tts-v1 | 65 ms | 135 ms | 0 ms | 1.7% |
| 7 | Speechify simba-3.5 | 93 ms | 143 ms | 11 ms | 2.7% |
| 8 | Rime coda | 99 ms | 153 ms | 24 ms | 1.8% |
| 9 | Speechify simba-3.0 | 102 ms | 151 ms | 10 ms | 2.2% |
| 10 | Speechify simba-3.2 | 103 ms | 149 ms | 10 ms | 2.0% |
| 11 | Baseten qwen3-tts-1.7b | 118 ms | 143 ms | 37 ms | 1.8% |
| 12 | Murf falcon-2 | 141 ms | 235 ms | 31 ms | 1.6% |
| 13 | Inworld inworld-tts-2 | 160 ms | 213 ms | 57 ms | 1.5% |
| 14 | ElevenLabs eleven_flash_v2_5 | 201 ms | 546 ms | 41 ms | 1.9% |
| 15 | ElevenLabs eleven_v4_turbo | 203 ms | 4291 ms | 64 ms | 1.7% |
| 16 | Deepgram flux-haley-en | 205 ms | 449 ms | 53 ms | 1.9% |
| 17 | Assemblyai assemblyai-tts-1 | 209 ms | 328 ms | 121 ms | 1.9% |
| 18 | Airy airy-tts-v1 | 216 ms | 585 ms | 5 ms | 1.6% |
| 19 | Guava daytona-tts | 261 ms | 297 ms | 3 ms | 1.5% |
| 20 | Xai grok-tts | 262 ms | 454 ms | 50 ms | 1.7% |
| 21 | Deepgram aura-2-thalia-en | 262 ms | 570 ms | 126 ms | 1.9% |
| 22 | Smallest AI lightning_v3.1_pro | 284 ms | 531 ms | 56 ms | 1.6% |
| 23 | Cartesia sonic-3.6 | 292 ms | 398 ms | 138 ms | 1.6% |
| 24 | Soniox tts-rt-v2 | 301 ms | 353 ms | 81 ms | 3.0% |
| 25 | Soniox tts-rt-v1 | 305 ms | 363 ms | 75 ms | 2.9% |
| 26 | Fish Audio s2.1-pro | 354 ms | 502 ms | 4 ms | 1.6% |
| 27 | Fish Audio drama-3-preview-us-east | 367 ms | 485 ms | 71 ms | 1.4% |
| 28 | Rime mistv3 | 402 ms | 517 ms | 135 ms | 2.3% |
| 29 | Cloudflare aura-2-en | 496 ms | 684 ms | 250 ms | 2.1% |
| 30 | Google chirp-3-hd | 532 ms | 883 ms | 394 ms | 1.7% |
| 31 | Alibaba qwen3-tts-flash-realtime | 719 ms | 763 ms | 91 ms | 2.7% |
| 32 | Fish Audio s2.1-pro-free | 819 ms | 1100 ms | 5 ms | 1.6% |
Página oficial de Gradium
Coval leaderboard reading cited on gradium.ai/api and llms.txt
47 ms · P50 time to first audio (7-day window, read September 24, 2026)
read September 24, 2026
Text-to-Speech product page figures
49 ms · TTFA P50 (Speko TTS benchmark)
50 ms · TTFA P50 (Perceived TTFA, Coval benchmark)
5 ms · Latency spread (P75 − P25) (tightest of the 5 models tested, over 480 runs)
81.0% · Hard-case pass rate (500 sentences, 5 languages)
read 2026-11-19