Was das Modell kann. Die Modellkarte nennt vier Funktionen: Voice Clone übernimmt „timbre, rhythm, emotion, and style" aus einer Referenzaufnahme; Voice Design erzeugt eine Stimme aus einer reinen Sprachbeschreibung, ganz ohne Referenzaudio; Voice Direction kombiniert beides und steuert die geklonte Stimme in „tone, emotion, pace, and delivery"; Vocal Events setzt Lachen, Husten oder Seufzen inline. Als Leistungswerte gibt der Anbieter „under 40 ms time to first audio (TTFA)" und einen Echtzeitfaktor von 0,32 auf einer NVIDIA H100 an, bei 3 Mrd. Parametern.
Was die unabhängige Messung sagt. Artificial Analysis bewertet Sprachmodelle über Blindvergleiche mit Elo-Wertung. Am 1. September 2026 steht Breeze TTS 2 dort mit Elo 1212 auf Rang 1 der 16 offenen Modelle – die Anbieterbehauptung stimmt insoweit. In der Gesamtliste von 98 Modellen ist es Rang 7; darüber stehen sechs geschlossene Systeme, angeführt von Sonic 3.6 (1282), gefolgt von Realtime TTS-2 (1250), Simba 3.2 (1241), Qwen-Audio-3.0-TTS-Plus (1240) und Luna TTS (1224). Der Zusatz „while outperforming frontier proprietary systems" auf der Modellkarte ist damit gegen die eigene Referenzmessung nicht zu halten: Es schlägt die große Mehrheit der geschlossenen Systeme, aber keines der sechs an der Spitze.
⚠️ Die Lizenz, im Detail. Getrennt geregelt sind Code und Gewichte: Der Quellcode steht unter der „Apache License, Version 2.0", die Gewichte unter der „BreezeBlue Research and Non-Commercial License" – so auch der Lizenz-Tag des Repositoriums (`breezeblue-research-and-non-commercial-license`). Erfasst sind laut Modellkarte Gewichte, Checkpoints, Adapter, abgeleitete Modelle und selbst gehostete Ausgaben; „Commercial use requires written authorization from RESONIA, INC." Praktisch heißt das: Vertonung von Spielen, Assistenzstimmen in einem Produkt oder Werbeaudio sind ohne gesonderte Erlaubnis auch dann nicht gedeckt, wenn das Modell auf der eigenen Grafikkarte läuft.
⚠️ Und eine Unstimmigkeit beim Sprachumfang, die man beim Ausprobieren treffen wird. Die Anbieterseite breezeblue.ai wirbt mit „expressive speech in 50+ languages". Das Repositorium der offenen Gewichte trägt dagegen die Sprach-Tags „en" und „zh", und eine Angabe zu 50 Sprachen steht auf der Modellkarte nicht. Ob der Unterschied zwischen gehostetem Produkt und offener Ausgabe verläuft oder nur die Dokumentation hinterherhinkt, sagt keine der beiden Seiten. Wer mehr als Englisch und Chinesisch braucht, sollte das vor dem Aufsetzen prüfen.
Zur Verbreitung, gemessen statt geschätzt: Die Hugging-Face-API weist das Repositorium mit Anlagedatum 25. August 2026 aus; am 1. September standen dort 2.236 Downloads und 272 Likes. Für ein Modell, das eine Bestenliste anführt, ist das eine bemerkenswert kleine Zahl – ein Hinweis darauf, wie stark die Lizenz die Nutzung dämpft.
Herkunft des Hinweises: Tier C, und ausnahmsweise mit einem Lob. Aufgefallen ist uns das Modell über Sam Witteveens Video vom 31. August, das es lokal vorführt. Seine Einordnung – offene Spitze, aber „a little bit behind compared to some of the other models that are not open weights" – trifft die Messung genauer als die Anbieterangabe auf der Modellkarte. Nicht gefolgt sind wir ihm bei den „50 different languages", die er als Eigenschaft des lokal laufenden Modells nennt; die stehen nur auf der Produktseite.