GPT-Live-1 vs VoxCPM2: Satu Berbiaya $0,05 per Menit, yang Lain Biayanya GPU 24 GB

Cara paling bersih untuk membandingkan GPT-Live-1 dengan VoxCPM2 adalah dengan menyadari bahwa keduanya hanya tampak seperti pesaing sampai Anda memberi angka pada perangkat kerasnya. GPT-Live-1 adalah model suara dupleks penuh milik Ope​nAI, tersedia di API sejak 10 September 2026 dengan tarif $0,05 per menit suara tanpa perlu memasang apa pun. VoxCPM2 adalah model text-to-speech berbobot terbuka dengan 2 miliar parameter milik OpenBMB, dirilis di bawah lisensi Apache 2.0 pada April 2026, yang berjalan pada sekitar 8 GB VRAM dan tidak di-deploy oleh penyedia inferensi mana pun — jadi jika Anda menginginkannya, Anda memiliki mesinnya. Yang satu adalah percakapan yang Anda sewa per detik; yang lain adalah sintesiser yang Anda operasikan. Pertanyaannya bukan mana yang lebih baik, melainkan mana yang benar-benar dapat diserap oleh beban kerja Anda.

Dua model, dua tugas, satu baris spesifikasi jujur untuk masing-masing

• Fungsi — GPT-Live-1 melakukan percakapan: ia mendengarkan dan berbicara secara bersamaan, bergantian bicara, menangani interupsi dan sinyal balik, serta menghasilkan transkrip. VoxCPM2 mengubah teks menjadi ucapan. Ia sama sekali tidak mendengar apa pun.

• Akses — GPT-Live-1 dihosting dan bersifat tertutup, satu ID model di balik endpoint Live Sessions, dengan contoh integrasi yang dipublikasikan berjalan melalui WebRTC. VoxCPM2 adalah checkpoint yang dapat diunduh di Hugging Face dan ModelScope, Apache 2.0, gratis untuk penggunaan komersial.

• Harga — GPT-Live-1 adalah $0,05 per menit suara, ditagih per detik, dengan backend delegasi dihitung secara terpisah. VoxCPM2 adalah $0 per panggilan plus GPU, dan hosting sumber terbuka adalah keseluruhan model biayanya.

• Jejak — GPT-Live-1 tidak membutuhkan perangkat keras milik Anda. VoxCPM2 membutuhkan sekitar 8 GB VRAM (6–8 GB pada Q4), Python 3.10+, PyTorch 2.5+, dan CUDA 12+.

• Benchmark — setiap angka pengukuran suara GPT-Live-1 adalah milik OpenAI dan belum direproduksi; satu-satunya papan peringkat independen menempatkannya di urutan ketujuh dari sebelas. Angka yang dipublikasikan VoxCPM2 adalah milik OpenBMB, dan pengukuran independen yang ada atas klaim multibahasanya menunjukkan arah sebaliknya.

Pertanyaan 24 GB, beserta harganya

Angka serving VoxCPM2 adalah angka yang menentukan apakah self-hosting itu hobi atau arsitektur. Pada satu RTX 4090, model berjalan pada faktor waktu nyata sekitar 0,30 di PyTorch biasa dan sekitar 0,13 dengan jalur Nano-VLLM — artinya kira-kira 7,7 jam audio yang dihasilkan per jam waktu GPU pada konfigurasi yang lebih cepat. Itu adalah angka dari kartu model itu sendiri, bukan pengukuran dari luar; resep serving independen yang divalidasi pada 4090 dengan CUDA 12.9 melaporkan faktor waktu nyata steady-state sekitar 0,120 untuk sintesis zero-shot dan 0,139 untuk kloning, dengan memori GPU puncak mendekati 22 GB dari 24 GB. Kedua kumpulan angka itu adalah steady-state, bukan cold-start — permintaan pertama dalam proses baru jauh lebih lambat, dan itulah angka yang orang kutip ketika mereka mengatakan model ini tidak dapat digunakan.

Letakkan itu di samping API. GPT-Live-1 dengan $0,05 per menit berarti $3,00 untuk satu jam percakapan terus-menerus. Kartu 24 GB yang disewa di pasar terbuka berada di kisaran rendah satu digit dolar per jam, dan memiliki sendiri satu kartu akan teramortisasi menjadi angka serupa setelah utilisasi diperhitungkan. Jadi perbandingannya berakhir di tempat yang sama seperti perbandingan semacam ini biasanya, dengan satu asimetri yang tidak nyaman: tagihan GPU tetap datang entah ada yang berbicara dengan produk Anda atau tidak, sedangkan tagihan API menyusut ke nol pada hari sepi dan membengkak ke lima angka pada hari sibuk. Sintesis batch untuk katalog tetap sangat cocok untuk GPU. Saluran telepon yang selalu aktif sangat cocok untuk meteran.

Apa yang dilakukan VoxCPM2 yang tidak dilakukan oleh alternatif terbuka lain

Alasan VoxCPM2 layak mendapat perhatian sebesar ini bukanlah karena ia memenangkan tolok ukur — sebagian besar tidak — melainkan karena ia merancang suara dari deskripsi teks tanpa audio referensi sama sekali. Itu adalah kemampuan yang benar-benar baru dalam bobot terbuka, dan ini mengubah alur kerja bagi siapa pun yang membutuhkan suara yang belum ada: mengaudisinya dalam prosa, mengiterasinya dalam prosa, dan baru kemudian memutuskan apakah akan mengkloning. Selain itu, ia menumpuk 30 bahasa ditambah sembilan dialek Tionghoa, keluaran 48 kHz melalui tahap super-resolusi bawaan, dan fine-tuning dengan hanya 5–10 menit audio.

Basis buktinya lebih tipis daripada daftar fiturnya. Laporan OpenBMB sendiri menyebutkan tingkat kesalahan kata bahasa Inggris sebesar 1,84% dan tingkat kesalahan karakter bahasa Mandarin sebesar 0,97%, serta rata-rata kesalahan 1,68% di 30 bahasa yang diukur pada set 500 ujaran per bahasa miliknya sendiri dan dinilai oleh model vendor lain. Jika ada uji independen, selisihnya besar: pada set uji multibahasa MiniMax yang dinilai dengan Whisper-large-v3, Hindi berada di 19,70 dan Arab di 13,05 — beberapa kali lebih buruk daripada angka yang dilaporkan sendiri. OpenBMB juga memperingatkan bahwa desain suara dan kontrol gaya menghasilkan hasil yang bervariasi antar proses, dan menyarankan untuk menghasilkan satu hingga tiga kali untuk mendapatkan keluaran yang Anda inginkan, yang merupakan cara halus untuk mengatakan bahwa biaya per panggilan untuk hasil yang dapat digunakan bukanlah satu panggilan.

Pajak integrasi yang tidak ada yang masukkan dalam perbandingan

Satu detail yang tidak menarik menentukan apakah VoxCPM2 menjadi pekerjaan seminggu atau sebulan. Repositori Hugging Face-nya diberi tagvoxcpmbukantransformers, yang berarti pustaka yang digunakan hampir semua hal lain di situs itu tidak dapat memuat model ini. Pull request untuk memperbaikinya dibuka pada 4 Agustus 2026 dan belum diterapkan saat kami terakhir memeriksa. Pull request untuk menambahkannya ke stack penyajian lain sudah diterapkan, dan adopsinya tidak diragukan lagi: 393.079 unduhan dalam tiga puluh hari terakhir per tangkapan ini, dengan 27 adapter, 30 finetune, 12 kuantisasi, dan 100 Space yang dibangun di atas checkpoint tersebut.

Pajak setara GPT-Live-1 adalah penulisan ulang transport. Sesi-sesinya dibangun di sekitar koneksi langsung, bukan endpoint audio permintaan-respons, dan penagihan dua meter berarti setiap panggilan penalaran yang didelegasikan, pemanggilan alat, dan penelusuran web dikenai tarif model backend sendiri di luar biaya menit suara. Tim yang bermigrasi dari integrasi realtime berpatokan token harus menganggarkan langkah ini sebagai tugas rekayasa, bukan sekadar penukaran ID model.

Di mana lapisan perutean benar-benar membantu

OrcaRouter tidak menyediakan GPT-Live-1 maupun VoxCPM2, dan ada baiknya mengatakan itu secara gamblang daripada membiarkan bagian lain dari bagian ini menyiratkan sebaliknya. Lapisan suara GPT-Live-1 berada di balik endpoint milik OpenAI sendiri; VoxCPM2 tidak memiliki penyedia yang dihosting sama sekali. Keduanya bukan sesuatu yang dapat Anda panggil dengan kunci kami.

Alasan pertanyaan tentang routing masih muncul adalah karena kedua model berada di tepi pipeline yang bagian tengahnya berupa teks. Deployment VoxCPM2 biasanya melayani sesuatu — generator skrip, langkah penerjemahan, penormal teks, model dialog yang menentukan apa yang diucapkan berikutnya — dan itu semua adalah panggilan model biasa. Sesi GPT-Live-1 mendelegasikan pemikirannya ke model backend yang dinamai dalam konfigurasi sesi, dan dalam dokumentasi Ope​nAI sendiri, backend itu adalah GPT-5.6 Terra, yang tersedia melalui OrcaRouter dengan harga daftar Ope​nAI. Delegasi klien melangkah lebih jauh lagi, memungkinkan aplikasi Anda sendiri menyediakan backend, yang berarti model di balik suara dapat berupa endpoint apa pun yang Anda kendalikan. Sekitar 190 model dari sebelas penyedia hulu berada di balik satu kunci dengan harga daftar tanpa markup — jadi ketika penyedia menurunkan harga, penurunan itu langsung berlaku di sini pada hari yang sama, bukan saat perpanjangan — dengan failover otomatis antarpenyedia dan DSL routing untuk menyusun beberapa model menjadi satu panggilan. Asuransi murah untuk separuh stack yang paling sering berubah.

Satu peringatan sebaiknya diletakkan di bagian ini, bukan dikubur di dalamnya, karena detail inilah yang membuat separuh perbandingan ini, yakni GPT-Live-1, kurang mapan dibandingkan yang ditunjukkan oleh tolok ukur vendornya. Pada Indeks Speech to Speech Artificial Analysis yang independen, GPT-Live-1 mencetak 69,8% — peringkat ketujuh dari sebelas, di belakang GPT-Realtime-2.1 pada 73,9% dan Gr​ok Voice Think Fast 2.0 pada 79,0%. Model ini adalah yang termurah di papan itu per jam audio masukan pada $4.42, dan bukan yang terbaik. Siapkan anggaran untuk kemungkinan bahwa lapisan suara yang Anda jadikan standar bukanlah lapisan yang Anda pertahankan.

Yang mana, untuk apa

Ambillah VoxCPM2 jika teks sudah ada sebelum audionya. Narasi, buku audio, sulih suara, aksesibilitas, dialog suara game, produk yang membutuhkan suara yang belum pernah direkam siapa pun — dan terutama beban kerja apa pun yang volumenya tinggi, dapat diprediksi, dan layak untuk biaya modal tetap. Terimalah bahwa Anda akan menjalankannya sendiri, bahwa perkakas di sekitarnya masih dalam proses mapan, dan bahwa klaim kualitas multibahasa layak mendapat uji dengar Anda sendiri sebelum sampai ke pelanggan.

Ambil GPT-Live-1 jika ada manusia di ujung sana. Agen suara, dukungan telepon, alur intake, apa pun yang mengharuskan model memutuskan secara real time apakah manusia sudah selesai berbicara. Bayar tarif per menit untuk keistimewaan tidak menanggung masalahnya, dan anggarkan backend yang didelegasikan sebagai pos terpisah karena di situlah panggilan menjadi murah atau mahal.

Kesalahannya adalah memperlakukannya sebagai alternatif dalam uji banding. Keduanya adalah dua lapisan dari produk yang sama bagi sebagian besar tim yang membutuhkan keduanya, dan satu-satunya jawaban yang benar-benar salah adalah memilih yang dihosting sendiri karena lisensinya menyebut gratis tanpa memperhitungkan biaya GPU yang membuat klaim itu benar.