喺2025年11月，語音合成（Text‑to‑Speech, TTS）API領域湧現多份權威評測，呢啲報告基於客觀基準測試（例如MOS主觀意見分、WER詞錯誤率、延遲同實時因子RTF），對比開源/免費同收費服務喺效果、語言支援同定價模型嘅表現。典型來源包括Speechmatics嘅《2025年最佳TTS API》（專家分析12個服務，焦點喺質量、延遲同成本）、SiliconFlow嘅《2025年最佳開源TTS模型》（基準測試開源模型嘅MOS同WER）、以及CompareVoiceAI嘅《TTS定價對比》（覆蓋ElevenLabs、OpenAI等，強調按字符/分鐘收費）。呢啲評測顯示，開源模型喺自定義同免費部署上有優勢，但質量同延遲通常遜色於收費服務；收費API更注重實時性同多語言支援。以下基於呢啲報告，分類總結對比（數據截至2025年10月），並附上定價細節。評測標準包括：語音質量（MOS 1‑5分，自然度）；延遲（ms，首字節時間）；WER（詞錯誤率）；支援語言；部署（API/自托管）。
開源/免費TTS API對比
開源/免費選項適合開發者自托管或低量測試，強調隱私同自定義，但需GPU/CPU資源，實時性較弱。SiliconFlow報告基準測試顯示，呢啲模型MOS均超4.5，但WER喺非英語語種較高。Speechmatics評測中，免費層多為雲試用，無限開源部署。
評測洞見：開源如Fish Speech喺多語言WER低（<2%），適合亞洲市場；免費層（如Google）MOS高但限量，超出後按字符收費（$0.016/千字符）。SiliconFlow基準顯示，CosyVoice喺流式延遲上領先（150ms vs. 平均300ms），但需自我優化。
收費TTS API對比
收費服務聚焦企業級實時性同情感表達，Speechmatics評測顯示延遲<200ms，MOS>4.5，但成本高（ElevenLabs最貴）。CompareVoiceAI強調按字符/分鐘混合計費，適合高量應用。
評測洞見：ElevenLabs喺情感MOS領先（4.9），但成本高（Speechmatics便宜27倍）；OpenAI適合GPT生態，延遲低但語言較窄。F22 Labs報告顯示，收費API平均WER<2.5%，實時因子<0.5（實時<1）。
總體趨勢與建議
2025年評測一致認為，開源/免費選項（如CosyVoice）喺自定義同成本上勝出（免費部署，MOS>4.5），適合研究/細團隊；收費API（如Cartesia）延遲<100ms，MOS>4.8，係理想企業實時應用，但按字符收費易超支（高量月費$1000+）。語言支援：Azure最廣（140+）。建議：低預算試Google免費層；要高真實性就揀ElevenLabs。更多細節見Unreal Speech指南（音頻樣本對比）。