Rime Prism مقابل Breeze TTS 2: الترخيص هو معيار المقارنة

أكثر ما يمكنك تعلّمه من وضع Rime Prism بجانب Breeze TTS 2 ليس أيّهما يبدو أفضل صوتًا. بل إنّ أحدها مستودع بترخيص Apache-2.0 تقتصر أوزان نموذجه على الاستخدام البحثي وغير التجاري، والآخر خدمة تجارية تُحاسَب بالدقيقة. هذا التفاوت الوحيد يحسم المقارنة قبل أن يكون لزمن الاستجابة أو السعر أو جودة الصوت أيّ رأي. أُطلق Prism في 28 أكتوبر 2026، وهو نموذج مُستضاف للتحويل من الكلام إلى الكلام بسعر 0.080 دولار لكل دقيقة من صوت المكالمة، ويكتب كل رد نصًا قبل نطقه. صدر Breeze TTS 2 في 25 أغسطس 2026 عن BreezeBlue، وهو نموذج تحويل النص إلى كلام مفتوح الأوزان بثلاثة مليارات معامل تشغّله بنفسك، وهو مكوّن وليس وكيلًا.

إنهما ليسا بديلين. تكاد كل صفحة تُرتّبهما أن تضعهما نقطتين على المحور نفسه، وذلك التأطير خاطئ على نحو يُكلّف الناس أسابيع. إليك ما هو عليه كل منهما في الواقع، وأين يكمن القرار فعليًا.

أحدهما نموذج، والآخر نظام

اقرأ الأوصاف جنبًا إلى جنب، وسيصبح خطأ التصنيف جليًا.

• ما وظيفته — يستقبل Prism صوت المتصل ويُنتج كلام الوكيل، من طرف إلى طرف، مع نقطة تحقق نصية بينهما. ويستقبل Breeze TTS 2 النص ويُنتج الكلام. انتهى.

• ما الذي يحل محلَه — يحل Prism محل نموذج التعرّف على الكلام، ونموذج لغوي، ونموذج للتخليق الصوتي، إضافةً إلى الروابط التي تجعلها تتصرف كأنها محادثة واحدة. أما Breeze TTS 2 فيحل محل نموذج التخليق الصوتي، وذلك فقط.

• من يشغّله — يعمل Prism على سحابة Rime ضمن فئات Free وFlex وScale؛ أما VPC والاستضافة المحلية (on-prem) فلا يتوفران إلا في Enterprise. يعمل Breeze TTS 2 على وحدة GPU الخاصة بك، وليس على وحدة أي شخص آخر.

• ما لا يزال عليك بناءه — مع Prism، طبقة السياسات التي تقرأ نقطة التفتيش. ومع Breeze TTS 2، التعرّف، وتبادل الأدوار، والتعامل مع المقاطعة، ونموذج اللغة، والمنسّق، والبنية التحتية للبث التي تربط بينها جميعًا.

• الانفتاح — لا تنشر Prism أي أوزان، ولا عدد المعلمات، ولا قائمة اللغات. أما Breeze TTS 2 فتنشر الأوزان وشيفرة الاستدلال ومجموعة اختبارات معيارية.

إذا كان فريقك مكوّنًا من شخصين والموعد النهائي ربع سنة، فإن «بناء سلسلة متتالية حول Breeze» ليس خطة، بل مشروع. وإذا كان فريقك يملك بالفعل حزمة صوتية وكانت طبقة التوليد هي الحلقة الضعيفة، فإن استئجار Prism يعني التخلي عن بنية تحتية عاملة لإصلاح مكوّن واحد.

بند الترخيص الذي يحسم الأمر بالنسبة لمعظم الشركات

شيفرة Breeze TTS 2المصدرية مرخّصة بموجب Apache 2.0، وهو ما يبدو ترخيصًا متسامحًا حتى تصل إلى الأوزان. أوزان النموذج والنماذج المشتقة والمخرجات المستضافة ذاتيًا مرخّصة للاستخدام البحثي وغير التجاري. ليست هذه ملاحظة هامشية يمكنك التحايل عليها بتسمية الأمر نموذجًا أوليًا. إن نشرًا إنتاجيًا في مركز اتصال يُعدّ استخدامًا تجاريًا بأي قراءة معتادة، ويضع الترخيص المخاطرة على عاتق الجهة التي تشغّل النموذج — وهي، مع الأوزان المفتوحة، أنت.

هذا هو الفرق بين نموذج يمكنك تقييمه بعد ظهر اليوم ونموذج يمكنك إطلاقه تجاريًا. التقييم مجاني وغير مقيّد عمليًا: نزّل أوزان النموذج، وشغّل كود الاستدلال الرسمي الخاص بـ PyTorch، وجرّب سكربتاتك الخاصة عليه، واستمع إلى ما يفعله. يتطلب الإطلاق التجاري ترخيصًا تجاريًا من BreezeBlue، وشروط ذلك الترخيص غير منشورة على صفحة النموذج. أي جدول مقارنة يُدرج تكلفة Breeze TTS 2 على أنها «وقت GPU» ويتوقف عند هذا الحد إنما يفترض بهدوء ترخيصًا لم يذكر أحد شروطه بعد.

مسألة ترخيص Prism هي العكس وأبسط بكثير: فهي خدمة، والسعر منشور، والحق التجاري مضمّن في سعر الدقيقة. Free tier، Flex، Scale، Enterprise. لا تفاوض حتى ترغب في النشر المحلي.

ما تكلفة كل منها في الدقيقة، مع إظهار الحساب

Prism بسيط ومباشر: $0.080 لكل دقيقة من صوت المكالمات على Flex، و$0.064 على Scale، و$0 على الرصيد المجاني حتى ينفد الـ$50. ألف دقيقة تكلف $80 قبل احتساب الاتصالات الهاتفية.

يحتاج Breeze TTS 2 إلى مثال عملي لأن عبارة "الاستضافة الذاتية" تُخفي التكلفة الإجمالية. تنشر BreezeBlue عامل زمن حقيقي قدره 0.32 على H100 — أي نحو 3.1 ثانية من الصوت المُولَّد لكل ثانية من الحوسبة — مقاسًا على مسار سريع مُسخَّن مسبقًا. يتطلب الاستدلال بنمط Eager نحو 7.7 GiB، لذا فإن بطاقة بسعة 12 GB هي الحد الأدنى؛ ويحتاج مسار --fast-all إلى 14.4 GiB وإلى بطاقة بسعة 24 GB.

خذ H100 بتكلفة نحو 2 دولار لكل ساعة GPU. في ساعة واحدة لديك 3,600 ثانية من الحوسبة، وهي عند RTF بقيمة 0.32 تنتج نحو 11,200 ثانية من الصوت، أي 186 دقيقة. اقسم: نحو 0.011 دولار لكل دقيقة من الكلام المولّد. وهذا أرخص بنحو سبع مرات من سعر Flex لدى Prism — وهو الرقم الذي يقتبسه الناس.

ليس الرقم هو ما يهم. فالرقم $0.011 لا يشمل معدل الاستغلال. فمركز الاتصال لا يعمل بإشغال GPU بنسبة 100%؛ بل يعمل عند ذروة ساعته الأكثر ازدحامًا ويظل خاملًا في بقية الوقت. وعند معدل استخدام متوسط واقعي يبلغ 30%، يتضاعف المعدل الفعلي ثلاث مرات ليصل إلى نحو $0.033/دقيقة، وعند 15% يبلغ نحو $0.066/دقيقة — وهو سعر Prism، دون أي من نقاط التحقق ومع كل العبء التشغيلي. ولا يتفوق التشغيل الذاتي على التسعير بالدقيقة إلا إذا أمكنك إبقاء البطاقة مشغولة، ومعظم عمليات نشر الصوت لا تستطيع ذلك، لأن حركة المرور لديها تأتي على شكل رشقات بطبيعتها.

زمن الاستجابة: 40 مللي ثانية ليس وكيلًا صوتيًا

الرقم الرئيسي المعلن لـ Breeze TTS 2 هو زمن أقل من 40 مللي ثانية للوصول إلى أول صوت على مسار سريع على H100. أما الرقم الرئيسي المعلن لـ Prism فهو 0.57 ثانية. عند قراءة ذلك منفردًا، يبدو وكأنه هزيمة بنسبة أربعة عشر إلى واحد. لكنها مقارنة بين ساعتي إيقاف مختلفتين.

تبدأ ساعة Breeze عندما يصل النص إلى المُركِّب الصوتي. وتبدأ ساعة Prism عندما يتوقف المتصل عن الكلام. وبين هاتين النقطتين تقع، في حالة التتالي، عملية التعرف على الكلام في حديث المتصل ودورة كاملة لنموذج اللغة — وهما الجزءان اللذان لا يقوم بهما Breeze. وغالبًا ما تتراوح توقيتات التتالي الشاملة المنشورة بين 800 مللي ثانية و1.5 ثانية بمجرد احتساب التعرف والتوليد، وكل مللي ثانية من تلك الميلي ثوانٍ هي لحظة يتساءل فيها المتصل ما إذا كان الخط قد انقطع.

0.57 ثانية لدى Prism رقم من مورّد مستند إلى تقييم أجراه المورّد على منصة τ-Voice، وهو الرقم الذي ينبغي مقارنته بنماذج تحويل الكلام إلى كلام الكاملة الأخرى من طرف إلى طرف، لا بمكوّن واحد. والقول المنصف هو إن Breeze TTS 2 أسرع مُركّب صوتي في هذه المقارنة بفارق كبير، وإن Prism أسرع نظام كامل فيها — لأنه النظام الكامل الوحيد فيها.

هناك موضع واحد تصدق فيه المقارنة الخام. إذا كنت تبني سلسلة متتالية على أي حال — لأن نموذجك اللغوي يفعل شيئًا لا يستطيع Breeze وPrism فعله، أو لأنك تحتاج إلى محرك استدلال محدّد — فإن الـ 40 مللي ثانية لدى Breeze ميزة حقيقية قدرها 500 مللي ثانية على إجمالي الميزانية التي تنفقها Prism على خطوة التركيب وحدها. في تلك البنية أنت لا تقارن Breeze بـ Prism، بل تقارن سلسلة Breeze بسلسلة Prism، وخطوة التركيب ليست سوى حدّ واحد في المجموع.

حيث يفوز كل واحد منهما بجدارة

يفوز Breeze TTS 2 عندما لا يكون الناتج محادثة. فالدبلجة والسرد والصوت في الألعاب وصوت منتجٍ لديه 200 عبارة ثابتة — كل هذه تحتاج إلى مُركّب صوتي لا إلى وكيل، ولا يحتاج أي منها إلى نقطة فحص لسياسة ما قبل الكلام. يولّد وضع تصميم الأصوات في Breeze صوتًا من وصف باللغة الطبيعية دون صوت مرجعي، ويوجّه التوجيه الصوتي نبرة نسخة مستنسخة موجودة وإيقاعها، وتضيف الوسوم المضمّنة مثل (laugh) و(sigh) أداءً دون نموذج ثانٍ. وقد لا تنشأ مسألة الترخيص لهذا العمل أصلًا، واقتصاديات التكلفة لكل دقيقة غير ذات صلة لأنه لا يوجد عدّاد للدقائق.

تتفوق Prism عندما يكون القيد هو ما يُسمح للوكيل بقوله. جملة يجب مراجعتها، وإفصاح يجب أن يظهر حرفيًا، ورقم حساب يجب تهجئته بدلًا من نطقه ككلمة — كل هذه تحتاج إلى نقطة التفتيش النصية، ولا يوجد لدى Breeze TTS 2 ما يعادلها لأن النص الذي يتلقاه يكون نهائيًا بالفعل بحلول الوقت الذي يراه فيه. يمكنك بناء حاجز حماية في المنبع داخل سلسلة متتالية، والناس يفعلون ذلك، لكنك حينها تحمي مخرجات نموذج اللغة في خط أنابيب قمت بتجميعه، وهذا هو معظم العمل الذي تسوّقه Prism.

يتفوق Breeze TTS 2 أيضًا في الشفافية. يمكنك قراءة الأوزان، وتشغيله دون اتصال، وإعادة إنتاج ادعاءات القياسات المعيارية الخاصة بالمورّد على عتادك الخاص، ومعرفة بالضبط ما تغيّر بين الإصدارات. يمنحك Prism واجهة API وملاحظة إصدار. بالنسبة لفريق تضرر من قيام مورّد بتغيير صوت بصمت في منتصف الربع، فإن ذلك يستحق شيئًا حقيقيًا.

إذا أبقيتَ على التتابع التسلسلي، فإن طبقة النموذج قابلة للتوجيه.

التسلسل الذي يدخل فيه Breeze TTS 2 لا يزال يحتاج إلى نموذج لغوي، وهذا هو الجزء الذي يغطيه OrcaRouter. أما Prism فيُبيع مباشرةً من Rime وليس ضمن كتالوجنا؛ وBreeze TTS 2 مستضاف ذاتيًا وليس ضمنه أيضًا. ما هو ضمنه فهو كل ما يحيط بهما: مفتاح واحد لأكثر من 200 نموذج بزيادة 0% على سعر قائمة المزوّد، مع تجاوز فشل تلقائي عندما يتراجع أداء أحد المزوّدين في منتصف المكالمة، ولغة توجيه DSL لتحديد أي نموذج يتولى أي دور في المحادثة. وبالنسبة لوكيل صوتي، هذا هو الشكل المفيد — نموذج صغير للتأكيد بينما المتصل لا يزال يتحدث، ونموذج أكبر لعملية البحث، ونقطة نهاية واحدة وفاتورة واحدة.

جانب تحويل النص إلى كلام مُغطّى أيضًا: openai/tts-1-hd وgoogle/gemini-3.1-flash-tts-preview كلاهما قابل للتوجيه اليوم بالسعر المعلن. ليسا Breeze TTS 2 وليسا Prism، لكنهما طرفا السلسلة دون عقد ثانٍ.

القرار، في مرور واحد

اسأل سؤالين بهذا الترتيب، وعادةً ما تظهر الإجابة.

أولاً: هل يحتاج أي شيء يقوله وكيلك إلى موافقة قبل أن يسمعه إنسان؟ إذا كانت الإجابة نعم، فإن Prism هي الخيار الوحيد في هذا الزوج الذي يتيح مكانًا لوضع تلك الموافقة، وسعر الترخيص — $0.08/min — هو ثمن التحكم. إذا كانت الإجابة لا، فتابع.

ثانيًا: هل يمكنك إبقاء وحدة معالجة الرسومات (GPU) مشغولة؟ إذا كان حمل التوليد لديك يعمل قرب طاقته القصوى ولديك فريق هندسي يتولى سلسلة متتالية، فإن Breeze TTS 2 بتكلفة 0.011 دولار/دقيقة من الحوسبة هو الإجابة الاقتصادية الأفضل بسبعة أضعاف، بشرط أن تحصل على ترخيص تجاري قبل إصداره. وإذا لم تستطع إبقاء البطاقة مشغولة، فإن التكلفة الفعلية تتقارب مع تكلفة Prism على أي حال، وتكون قد تحمّلت المنظومة بأكملها للوصول إلى ذلك.

الإجابة الوحيدة الخاطئة هي تلك التي تقدّمها صفحات التصنيف: أن Breeze أرخص، لذا يفوز Breeze. أرخص لكل دقيقة صوت، نعم. لكنك لا تشتري الصوت من Breeze TTS 2 — بل تشتري مُركِّبًا صوتيًا ثم تبني حوله وكيلًا صوتيًا، ولم ينشر أحد بندًا لذلك.

ينطبق هنا أيضًا التحفّظ المتعلق بمعايير البائع. أرقام BreezeBlue المنشورة — عامل زمن حقيقي قدره 0.32 وأقل من 40 مللي ثانية للوصول إلى أول صوت على مسار سريع باستخدام H100 مُجهّز — هي أرقام خاصة بها، جرى تشغيلها على نموذج إنجليزي وصيني، وعبارة «المرتبة الأولى بين النماذج مفتوحة الأوزان على لوحة Artificial Analysis TTS» هي بيان تموضع من البائع وليست نتيجة: فهي على اللوحة الحية تحتل حاليًا نحو المركز السابع إجمالًا. ونتيجة Prism البالغة 56.6 على τ-Voice من تشغيل البائع أيضًا. ولا يوجد لأي من الرقمين حكم مستقل، وهو الشيء الوحيد الذي يجمعهما فعلاً.