Die Modellkarte nennt Voice Cloning, Stimmgestaltung aus Text sowie steuerbare Emotion und Geschwindigkeit. Sie gibt drei Milliarden Parameter, eine Zeit bis zum ersten Audio von unter 40 Millisekunden und einen Echtzeitfaktor von 0,32 auf einer NVIDIA H100 an. Diese Leistungswerte stammen vom Anbieter.
Artificial Analysis ermittelt die Rangliste über Blindvergleiche. Der siebte Gesamtrang bedeutet, dass Breeze TTS 2 zwar die offene Gruppe anführt, aber keines der sechs höher platzierten geschlossenen Modelle übertrifft. Die Formulierung der Modellkarte, Frontier-Systeme zu übertreffen, wird durch diese Referenzmessung nicht bestätigt.
Die Gewichte dürfen laut Lizenz nicht kommerziell genutzt werden; für kommerzielle Verwendung ist eine schriftliche Genehmigung nötig. Hugging Face führte am 1. September 2.236 Downloads und 272 Likes sowie die Sprach-Tags Englisch und Chinesisch. Eine separate Produktseite wirbt mit mehr als 50 Sprachen, ohne diese Reichweite für die offenen Gewichte zu belegen.