GPT-Live-1 vs Breeze TTS 2: Pemimpin Suara Open-Weights yang Tidak Dapat Anda Rilis

Breeze TTS 2 adalah model text-to-speech open-weights dengan peringkat tertinggi di Provider Voices Speech Arena milik Artificial Analysis, memegang 1.205 Elo dan berada di peringkat ketujuh secara keseluruhan di antara lebih dari seratus sistem yang dinilai — unggul atas setiap mesin berlisensi komersial yang menerbitkan bobotnya. Bobotnya dapat diunduh sejak 25 Agustus 2026. Model ini juga, di bawah lisensi yang menyertai bobot tersebut, tidak dapat digunakan dalam suatu produk. GPT-Live-1 adalah pertukaran yang berlawanan dalam segala dimensi: tertutup, dihosting, ditagih $0,05 per menit suara sejak hadir di API pengembang Open​AI pada 10 September 2026, dan satu-satunya di antara keduanya yang dapat mendengar saat penelepon menginterupsinya.

Letakkan kedua kalimat itu berdampingan dan perbandingannya selesai lebih cepat daripada sebagian besar pertarungan model. Ini bukan pertarungan tentang mana yang menyintesiskan ucapan lebih baik. Ini pertarungan tentang apakah Anda membeli suara atau percakapan, dan apakah "open" berarti seperti yang Anda duga.

Mereka bukan jenis hal yang sama, dan itulah intinya.

Breeze TTS 2, dari startup beranggotakan sekitar lima belas orang bernama BreezeBlue, adalah model text-to-speech dengan 3 miliar parameter. Teks masuk, audio keluar. Ia tidak mendengar apa pun. Ia tidak punya pendapat tentang kapan sebuah giliran harus berakhir, karena ia tidak memiliki konsep tentang giliran. Saat dialirkan melalui WebSocket, ia akan mulai menghasilkan audio sebelum teks Anda selesai dihasilkan, yang sungguh berguna untuk menjaga tempo agen suara tetap ketat — tetapi keputusan tentang kapan harus berbicara dibuat oleh apa pun yang menulis teks tersebut.

GPT-Live-1 adalah model ucapan-ke-ucapan dupleks penuh. Audio dan teks masuk; audio dan teks keluar; dan model memutuskan berkali-kali per detik apakah akan terus mendengarkan, berjeda, mengambil giliran, atau melepasnya. Angka Full Duplex Bench v1.5 milik OpenAI sendiri, yang dipublikasikan bersama rilis dan tidak direproduksi di luar perusahaan, menempatkan interaktivitasnya pada 80,1% versus 45,4% untuk GPT-Realtime-2.1, dengan latensi pengambilan giliran 0,798 detik berbanding 1,41.

Asimetri itu bukanlah bentuk merendahkan Breeze TTS 2. Itu adalah peringatan tentang di mana masing-masing seharusnya berada dalam sebuah stack. Jika Anda membangun kaskade — pengenalan ucapan yang memberi masukan ke model bahasa yang memberi masukan ke sintesiser — Breeze TTS 2 adalah kandidat untuk sepertiga terakhirnya. Jika Anda membeli GPT-Live-1, Anda membeli keseluruhan loop dan menyerahkan logika giliran bicara bersamanya.

Dimensi demi dimensi

• Model interaksi — GPT-Live-1: dupleks penuh, barge-in bawaan, mendengarkan sambil berbicara vs Breeze TTS 2: text-to-speech streaming, tidak ada input audio sama sekali

• Bobot — GPT-Live-1: tertutup, hanya dihosting, satu ID model dan tanpa snapshot bertanggal vs Breeze TTS 2: 3B parameter di Hugging Face sejak 25 Agustus 2026, kode inferensi PyTorch Apache-2.0

• Lisensi — GPT-Live-1: ketentuan komersial melalui API Open​AI, tidak ada yang perlu ditinjau vs Breeze TTS 2: lisensi riset-dan-non-komersial yang mencakup bobot, fine-tune, LoRA, merge, kuantisasi, dan keluaran yang dihosting sendiri

• Satuan harga — GPT-Live-1: $0,05 per menit suara, ditagih per detik, backend penalaran dihitung terpisah vs Breeze TTS 2: $34 per juta karakter di endpoint yang dihosting, turun bertingkat menjadi $28 pada paket terpublikasi tertinggi

• Bukti kualitas — GPT-Live-1: 70,3% pada Artificial Analysis Speech to Speech Index, berbagi peringkat keenam dari empat belas model yang dinilai vs Breeze TTS 2: 1.205 Elo di arena Provider Voices, peringkat ketujuh secara keseluruhan dan pertama di antara model open-weight, menurut Artificial Analysis

• Bahasa — GPT-Live-1: liputan peluncuran secara konsisten menyoroti kelancaran yang tidak merata di luar bahasa-bahasa utama vs Breeze TTS 2: 50 yang diklaim oleh vendor, dengan kartu model ditandai untuk bahasa Inggris dan Tionghoa

• Kontrol suara — GPT-Live-1: dua belas suara API, nada dan tempo diarahkan oleh prompt, tanpa kloning sama sekali vs Breeze TTS 2: kloning audio referensi, desain suara tanpa referensi, pengarahan suara, dan peristiwa vokal inline

• Throughput — GPT-Live-1: diukur berdasarkan sesi bersamaan, dibatasi pada 25 di tier 1 dan 500 di tier 5, tanpa tier gratis vs Breeze TTS 2: sekitar 45 karakter per detik menurut pengukuran Artificial Analysis, yang lebih lambat daripada beberapa pesaing komersial dan penting untuk pekerjaan berformat panjang

Lisensi itu melakukan lebih banyak pekerjaan daripada papan peringkat.

Kartu model BreezeBlue sendiri luar biasa blak-blakan soal ini, yang patut menjadi pujian bagi perusahaan. Kode inferensinya adalah Apache-2.0. Bobot dan output apa pun yang Anda hasilkan dengan menghostingnya sendiri adalah untuk penggunaan riset, dan penerapan komersial memerlukan langganan hosting berbayar atau otorisasi tertulis. Pembatasan itu secara eksplisit mencakup model turunan, LoRA, merge, dan kuantisasi — yang menutup celah yang biasanya dimanfaatkan orang.

Jadi, pembingkaian "pemimpin open-weights" memerlukan kualifikasi yang jarang disertakan dalam judul berita. Breeze TTS 2 terbuka dalam arti Anda dapat mengunduhnya, memeriksanya, melakukan benchmark terhadapnya, dan menjalankannya di perangkat keras Anda sendiri untuk evaluasi. Produk ini tidak terbuka dalam arti yang memungkinkan startup membangun produk di atasnya tanpa membayar BreezeBlue atau membeli tinjauan hukum. Dua dari tiga hal yang dimaksud orang dengan open weights — verifiabilitas dan biaya — Anda dapatkan. Yang ketiga — kebebasan untuk merilis — tidak Anda dapatkan.

Itu perbedaan nyata dari model seperti GPT-Live-1, yang pertanyaan lisensinya bukanlah "bolehkah saya" melainkan "berapa banyak." Keduanya berakhir dengan tagihan. Hanya salah satunya yang berakhir dengan opini pengacara terlebih dahulu.

Kedua unit harga tidak dapat dibandingkan, jadi inilah perhitungannya.

$0,05 per menit dan $34 per juta karakter tampak seperti berada di alam semesta yang berbeda karena memang begitu. Untuk membandingkannya, Anda harus mengonversinya. Ucapan berjalan sekitar 150 kata per menit, dan bahasa Inggris rata-rata sekitar lima setengah karakter per kata setelah spasi dihitung, jadi satu menit keluaran lisan kira-kira 800 hingga 900 karakter. Pada Breeze TTS 2 sebesar $34 per juta, itu sekitar tiga sen sintesis per menit — lebih murah daripada lima sen GPT-Live-1, untuk ucapan mentah.

Perbandingan itu langsung berantakan setelahnya, karena lima sen GPT-Live-1 sudah mencakup proses mendengarkan. Model ini juga mentranskripsikan penelepon, memutuskan kapan giliran berakhir, dan mengelola interupsi — pekerjaan yang harus dibeli oleh cascade dari tempat lain: model pengenalan ucapan, model deteksi giliran, dan model bahasa untuk menghasilkan teks yang akan dibaca Breeze TTS 2. Tambahkan semua itu, dan tiga sen sintesis cascade berada di bawah tagihan yang biasanya lebih besar daripada milik model end-to-end.

Ringkasan jujurnya adalah bahwa suara yang lebih murah adalah Breeze TTS 2 dan percakapan yang lebih murah adalah GPT-Live-1, dan perbedaan antara kedua klaim itu adalah segala biaya yang sebenarnya dikeluarkan oleh agen suara.

Di mana mereka sebenarnya akan bertemu

Sebuah tim yang membangun agen telepon saat ini dan tidak mau terikat pada stack end-to-end milik satu vendor akan merakit persis kaskade ini: Breeze TTS 2 atau mesin yang sebanding untuk mulut, sesuatu yang lain untuk telinga, dan model bahasa yang dirutekan untuk pemikiran. Yang terakhir dari ketiga hal itu adalah bagian yang paling sering berubah — di situlah kualitas meningkat paling cepat, di situlah biaya paling bervariasi, dan di situlah model yang menang kuartal ini jarang menjadi model yang menang berikutnya.

Lapisan itu adalah panggilan API biasa, dan itulah satu bagian dari tumpukan ini yang layak dijaga tetap portabel. Kurang lebih 190 model dari sebelas penyedia hulu berada di belakang satu kunci OrcaRouter dengan harga daftar penyedia tanpa markup, sehingga menukar model penalaran di balik agen suara menjadi perubahan konfigurasi alih-alih proyek integrasi, dan failover otomatis mencegah backend yang timeout menjatuhkan panggilan. Endpoint Live Sessions milik GPT-Live-1 maupun API terkelola Breeze TTS 2 tidak dapat dijangkau dengan cara itu — lapisan suara dalam perbandingan ini berada di luar jangkauan lapisan perutean, dan penting untuk menyatakan hal itu secara jelas alih-alih menyiratkan sebaliknya.

Mana yang harus dipilih

Pilih GPT-Live-1 jika percakapan adalah produknya dan Anda dapat menerima front end tertutup yang dihosting. Saluran reservasi, dukungan lini pertama, apa pun di mana penelepon yang menyela agen adalah peristiwa normal, bukan pengecualian. Anda membeli penanganan interupsi, dan Anda membelinya dengan tarif per menit yang tetap dapat diprediksi, sementara penalaran di baliknya adalah bagian yang Anda sesuaikan.

Pilih Breeze TTS 2 jika Anda membutuhkan suara yang dapat Anda periksa, jika Anda sedang membangun produk yang sintesisnya merupakan salah satu komponen di antara banyak komponen, atau jika Anda membutuhkan kloning dan desain suara yang sama sekali tidak ditawarkan oleh GPT-Live-1. Ketahuilah sejak awal bahwa bobotnya ditujukan untuk riset, bahwa klaim 50 bahasa adalah klaim vendor terhadap kartu yang ditandai untuk dua bahasa, dan bahwa angka latensinya adalah pengukuran BreezeBlue sendiri pada jalur cepat yang sudah dipanaskan, bukan audit independen.

Insting untuk menganggap ini sebagai kontes kualitas adalah insting yang keliru. Breeze TTS 2 hampir berada di puncak papan peringkat tempatnya berkompetisi, dan GPT-Live-1 berkompetisi di papan yang sama sekali berbeda. Keputusan yang benar-benar memakan biaya adalah keputusan yang mendasari keduanya: model mana yang melakukan pemikiran, dan apakah Anda dapat berubah pikiran tentang itu dalam satu sore.