Fish Audio Live 3 vs Sesame Preview: Dua Jawaban atas Pergantian Giliran, Salah Satunya Terukur

Sesame membuat benchmark untuk masalah persis yang diklaim Fish Audio Live 3 telah diselesaikan, lalu Fish Audio merilis model yang tidak ada di dalamnya. Itulah versi singkat dari perbandingan ini. Sesame Preview — produk konsumen empat agen yang berjalan di atas Conversational Speech Model milik lab tersebut — memublikasikan TurnBench pada Agustus 2026: tiga puluh jam percakapan dua orang dengan anotasi rangkap tiga, papan peringkat publik, penampil percakapan interaktif, dan hasil untuk empat belas sistem. Fish Audio Live 3, yang diumumkan pada 10 November 2026, berargumen bahwa waktu percakapan seharusnya dipelajari di dalam model ucapan, bukan dipaksakan oleh ambang keheningan, dan memublikasikan tiga contoh panggilan serta angka 186 milidetik. Argumennya sama. Buktinya tidak sama.

Semua hal lainnya mengikuti dari betapa berbedanya kedua perusahaan mengubah argumen itu menjadi produk. Live 3 dijual: $0.035 per menit di Agent Platform milik Fish Audio selama promosi yang berakhir 31 Desember 2026, API yang terdokumentasi, dan opsi on-premises untuk perusahaan. Sesame Preview diberikan gratis: empat kepribadian tetap dalam aplikasi iOS dan Android, tanpa API, tanpa pengenal model untuk suara di aplikasi, dan tanpa apa pun yang bersifat per-token atau per-menit. Anda dapat membangun di atas salah satunya minggu ini. Yang lain hanya bisa Anda dengarkan.

Tes yang ada, dan mengapa Live 3 tidak termasuk di dalamnya

Pergantian giliran adalah kemampuan langka ketika industri menyepakati cara mengukurnya sebelum model-model itu muncul, dan Sesame berperan besar dalam hal itu. TurnBench, yang dirilis pada 28 Agustus 2026 dan dibangun bersama Carnegie Mellon University, Mundo AI, dan Oto, menilai sistem berdasarkan cara mereka menangani persis peristiwa yang membuat agen telepon terasa salah: sebuah pengakuan yang seharusnya tidak merebut giliran bicara, interupsi yang seharusnya merebutnya, jeda yang bukan akhir. Papan peringkatnya publik, set pengembangannya dapat diakses mandiri, dan hasilnya mencakup empat belas sistem.

Fish Audio Live 3 tidak termasuk di antaranya, dan begitu pula model dupleks Fish Audio lainnya. Itu bukan skandal — model yang dirilis pada November tidak mungkin ada di papan peringkat Agustus — tetapi itu adalah fakta paling berguna dalam perbandingan ini, karena memberi tahu Anda jenis klaim apa yang dibuat masing-masing perusahaan. Sesame menempatkan produknya sendiri pada uji publik yang ikut dirancangnya, di mana siapa pun dapat memeriksa skornya. Fish Audio menempatkan produknya pada kartu tarif promosi, di mana siapa pun dapat memeriksa harganya.

Keduanya adalah peluncuran yang sah. Hanya salah satunya yang memungkinkan orang luar memverifikasi hal yang jadi inti pemasarannya.

Apa yang sebenarnya dikirim oleh masing-masing pihak

Apa itu — Fish Audio Live 3 adalah model ucapan full-duplex di balik platform agen; Sesame Preview adalah aplikasi asisten konsumen dengan empat agen, Maya, Miles, Simone, dan Charlie, masing-masing dengan memori sendiri.

• Distribusi — Live 3: platform swalayan, API terdokumentasi, on-premises untuk perusahaan. Sesame Preview: aplikasi iOS dan Android, gratis, tanpa API, tanpa ID model untuk suara di dalam aplikasi.

• Harga — Live 3: $0,035/menit Promosi, $0,07 harga daftar, ditambah $0,01/menit untuk panggilan telepon dan $1,20/bulan per nomor. Sesame Preview: tidak ada harga yang dipublikasikan dan tidak ada tingkat paket yang dipublikasikan; aplikasi ini gratis diunduh.

• Bahasa — Live 3: hanya bahasa Inggris saat peluncuran, menurut kata-kata Fish Audio sendiri, meskipun platform di sekitarnya mengiklankan suara dalam 30+ bahasa. Sesame Preview: berpusat pada bahasa Inggris, dilatih terutama dengan bahasa Inggris menurut catatan riset lab itu sendiri.

• Independence — Live 3: tidak ada tolok ukur terbitan dalam bentuk apa pun per 11 November 2026, dan tidak ada baris di papan speech-to-speech Artificial Analysis. Sesame Preview: juga tidak ada skor independen untuk suara aplikasi tersebut, tetapi ada papan peringkat giliran bicara publik yang turut dibangun dan diterbitkan oleh perusahaan.

• Keterbukaan — Live 3: tidak ada bobot, tidak ada lisensi, tidak ada repositori. Sesame: satu checkpoint terbuka, CSM-1B, Apache-2.0 di Hugging Face sejak Maret 2025 — yang bukan merupakan suara di aplikasi tersebut.

• Antarmuka — Live 3: Anda mengintegrasikannya. Sesame Preview: Anda berbicara dengannya.

Masalah kosakata yang sama-sama dialami kedua perusahaan

Tidak ada produk yang memublikasikan cukup informasi untuk memungkinkan Anda membandingkan hal yang sebenarnya Anda pedulikan, dan keduanya menggunakan kata yang sama untuk itu. Fish Audio menyebutnya ritme percakapan dan menggambarkannya sebagai nomor telepon yang dibacakan dalam potongan — "415… 555… 0132" — di mana agen konvensional mendengar tiga akhir giliran yang terpisah. Materi pemasaran Sesame menyebut perilaku yang sama sebagai presence, dan catatan rilis Oktober 2026-nya menyatakan bahwa perusahaan memperbarui Conversational Speech Model untuk meningkatkan ekspresivitas dan pelafalan, dengan lebih sedikit sikap menjilat dan lebih sedikit frasa yang diulang. Kedua pernyataan itu tidak dapat difalsifikasi sebagaimana ditulis. Tidak ada yang menyertakan angka.

Perbedaannya adalah bahwa Sesame merilis penggarisnya. Jika Fish Audio ingin perbandingan berdasarkan substansi, set pengembangan TurnBench terbuka dan dapat dinilai sendiri; papan skor menunggu entri.

Apa yang bisa dilakukan seorang builder dengan masing-masing, dan apa yang tidak bisa mereka lakukan

Di sinilah kedua produk sama sekali tidak bisa dibandingkan. Sesame Preview bukanlah sebuah komponen. Tidak ada endpoint, tidak ada API sesi, tidak ada cara untuk menggunakan suaranya dengan nomor telepon Anda sendiri, dan satu-satunya checkpoint Sesame yang dapat dimuat oleh siapa pun di luar aplikasi adalah CSM-1B, model 1B parameter dari Maret 2025 yang mendahului suara di aplikasi saat ini selama satu setengah tahun pengerjaan. Tim yang menginginkan nuansa percakapan Sesame dalam suatu produk, saat ini tidak memiliki jalur untuk mendapatkannya yang tidak melibatkan penantian.

Live 3 adalah pertukaran yang berlawanan. Live 3 tertutup dalam hal yang penting — tanpa bobot model, tanpa cara untuk menghostingnya sendiri di luar kontrak perusahaan — tetapi terbuka dalam hal yang memungkinkan Anda meluncurkan produk: pembuat agen, API yang terdokumentasi, teleponi, dan tarif per menit. Lapisan penalaran adalah bagian terpisah yang dapat diganti; agen dapat mengarah ke endpoint yang kompatibel dengan OpenAI untuk proses berpikir, sementara suara tetap milik Fish Audio. Struktur itulah yang membuatnya dapat diterapkan oleh tim kecil pada hari Selasa.

Khusus untuk bagian penalaran, OrcaRouter membawalebih dari 200 model di balik satu kunci dengan harga daftar penyedia tanpa markup, dengan failover otomatis saat backend mengalami error di tengah panggilan dan DSL routing untuk menentukan model mana yang menangani jenis giliran percakapan tertentu. Fish Audio Live 3 bukan salah satu dari model tersebut — tidak ada endpoint pihak ketiga untuk model ucapan dupleks tertutup, dan tidak ada apa pun di sini yang perlu dirutekan. Tugas router dalam tumpukan ini dimulai tepat saat ucapan berakhir.

Mana yang perlu ditonton, dan untuk apa?

Tiga sinyal akan menyelesaikan perbandingan ini, dan tidak satu pun dari itu adalah rilis pers. Entri Live 3 di TurnBench atau satu baris di papan speech-to-speech Artificial Analysis akan mengubah argumen perilaku Fish Audio menjadi skor dengan angka di sampingnya. API pengembang Sesame — perusahaan mengatakan perangkat pengembang akan datang, tanpa tanggal — akan mengubah suara aplikasi itu menjadi sesuatu yang bisa disewa oleh sebuah produk. Dan checkpoint Sesame terbuka kedua, yang lebih baru daripada CSM-1B, akan memberi komunitas open-weights hal yang secara mencolok tidak diberikan oleh peluncuran Live 3.

Sampai salah satu dari itu terwujud, peringkat yang jujur sepenuhnya bergantung pada apa yang Anda beli. Jika Anda menginginkan percakapan paling enak didengar yang tersedia saat ini dan bersedia memilikinya di dalam aplikasi pihak lain, Sesame Preview adalah produk yang lebih mengesankan dan lebih jujur tentang bagaimana produk itu seharusnya dinilai. Jika Anda membutuhkan suara untuk produksi kuartal ini, Sesame bukan kandidat dan perbandingannya menyusut menjadi satu pertanyaan tentang Live 3: apakah menit promosi $0.035 dan ambang pengakuan 186 milidetik cukup menjadi bukti untuk mempertaruhkan saluran telepon. Bagi sebagian besar tim, jawabannya adalah ya untuk uji coba dan belum untuk penggajian — dan tolok ukur yang akan mengubah jawaban itu sudah ada, dengan satu baris yang dibiarkan kosong.