Rime Prism Menulis Sebelum Berbicara. Itulah Seluruh Produknya.

Rime Prism, yang diluncurkan pada 28 Oktober 2026, adalah model ucapan-ke-ucapan untuk agen suara perusahaan, dan fitur yang akan menjadi dasar penilaiannya bukanlah kualitas suara. Fitur itu adalah bahwa Prism mengeluarkan balasannya sebagai teks sebelum mengucapkannya dengan lantang, sehingga aplikasi Anda dapat membaca, menulis ulang, atau memblokir kalimat tersebut selagi panggilan tetap berjalan. Rime menyebutnya sebagai model ucapan-ke-ucapan terdepan pertama yang dapat di-fine-tune dan menetapkan harganya sebesar $0,080 per menit audio panggilan pada tier Flex, $0,064 pada Scale. Angka benchmark utama vendor adalah 56,6 pada τ-Voice dengan 0,57 detik hingga audio pertama — angka yang diperoleh Rime dengan harness yang digunakan Artificial Analysis, bukan entri papan peringkat yang dipublikasikan — dan model yang memperoleh skor lebih tinggi darinya dalam grafik Rime sendiri, GPT-Live-1, membutuhkan waktu 0,67 detik lebih lama sebelum mulai berbicara. Kedua bagian kalimat itu penting, dan bagian kedua itulah yang tidak ada yang mencantumkannya dalam judul utama mereka.

Apa yang sebenarnya Anda dapatkan dari checkpoint teks

Setiap agen suara yang dibangun di atas kaskade — pengenalan ucapan, lalu model bahasa, lalu text-to-speech — sudah memiliki teks di tengah. Setiap agen suara yang dibangun di atas model real-time terpadu dari lab besar tidak: ia mendengar audio, berpikir, dan menghasilkan audio, dan satu-satunya artefak yang dapat diperiksa adalah transkrip yang tiba setelah Anda sudah mengucapkan kata-kata itu. Argumen Rime adalah bahwa kelompok pertama memiliki kendali dan kelompok kedua memiliki fidelitas audio, dan Prism adalah upaya untuk mempertahankan keduanya.

Dalam praktiknya, checkpoint adalah string yang muncul di tengah giliran. Rime mengatakan lapisan teks mendukung empat hal yang dapat ditindaklanjuti aplikasi sebelum audio dikeluarkan:

• Penulisan ulang — ganti kalimat yang ditolak lapisan kebijakan, dan model mengucapkan penggantinya, bukan kalimat aslinya.

• Blocking — guardrail yang menemukan klaim terlarang, nama pesaing, atau pengungkapan yang tidak disetujui dapat menghentikan ucapan itu sepenuhnya sementara panggilan tetap berlanjut.

• Penandaan — tag tindakan dan konten menyertai teks, sehingga orkestrator dapat memicu panggilan alat atau angkat tangan tanpa menunggu audio selesai.

• Kontrol pelafalan — nama, nomor rekening, dan istilah produk ditetapkan di dalam teks, yang justru merupakan tempat yang tepat untuk "eja sebagai kode, bukan kata".

Dan panggilan alat berjalan secara paralel dengan ucapan, bukan pada jeda sebelum ucapan, yang merupakan perbedaan struktural dengan kaskade: pencarian tidak mengisi keheningan antara saat penelepon selesai dan saat agen mulai.

Rime menegaskan bahwa ini bukan kaskade terselubung. Rime bersikeras bahwa penalaran terjadi atas audio itu sendiri — nada, keraguan, tawa, kebisingan latar — dan bahwa teks adalah titik keluaran, bukan masukan model. Anda tidak perlu menerima klaim itu begitu saja untuk memahami mengapa pembeli enterprise peduli: checkpoint adalah artefak yang dibutuhkan jejak audit. "Apa yang dikatakan agen, dan siapa yang menyetujuinya" menjadi kueri terhadap string yang disimpan dan keputusan kebijakan, bukan rekonstruksi dari rekaman panggilan.

Klaim benchmark itu memiliki celah, dan mudah untuk diperiksa.

Berikut adalah bagan yang diterbitkan Rime, sebagaimana Rime menerbitkannya:

• Rime Prism — 56,6 τ-Voice, 0,57 detik waktu hingga audio pertama, tanpa langkah penalaran sebelum ucapan.

• GPT-Live-1 (Sol, rendah) — 59,3 τ-Voice, 1,24 detik.

• GPT-Realtime-2.1 High — 45,7 τ-Voice, 1,21 s.

• Gemini 3.8 Live — 30.1 τ-Voice, 1.18 dtk.

Lihat baris paling atas. Grafik Rime sendiri menunjukkan sebuah model mencetak skor lebih tinggi daripada Prism. Kerangka peluncurannya — "unggul 17 hingga 30 poin atas model realtime non-reasoning dari OpenAI dan Google" — benar sesuai cakupannya, dan cakupan itu justru dibangun tepat di sekitar model yang mengalahkannya. GPT-Live-1 berada 2,7 poin di atas Prism dan membayar harga berupa 0,67 detik lebih lama untuk mulai berbicara. Itu adalah pertukaran Pareto yang sah dan Rime tidak menyembunyikannya; angka itu tertera tepat di halaman tersebut. Tetapi kalimat itu menyebar lebih jauh daripada grafiknya, dan kalimat itulah yang dikutip.

Ada ketegangan internal kedua. Rime juga melaporkan 82,5 pada subset telekomunikasi τ-Voice versus 45,6 untuk GPT-Live-1. Selisih 37 poin pada satu domain dan defisit 2,7 poin pada uji keseluruhan bukanlah hal yang mustahil — pembobotan domain dan campuran tugas dapat menyebabkan itu — tetapi keduanya tidak dapat dibaca sebagai "Prism lebih baik di telekomunikasi dan lebih buruk dalam segala hal lainnya," dan Rime tidak merinci ukuran subsetnya. Sampai Rime melakukannya, anggap angka telekomunikasi itu sebagai subset pemasaran, bukan klaim kemampuan.

Ada angka ketiga yang beredar yang sama sekali bukan tolok ukur. Materi peluncuran Rime menyebut sekitar 300 ms "responsivitas." Angka terukur dalam grafik adalah 0,57 detik hingga audio pertama. Itu adalah pengukuran yang berbeda — satu adalah responsivitas internal, satu lagi adalah waktu yang benar-benar didengar penelepon sebagai suara — dan menyebutkan angka yang lebih kecil di samping 1,24 s milik GPT-Live-1 sama dengan membandingkan stopwatch dengan waktu putaran.

Tidak satu pun dari ini merupakan penilaian definitif terhadap kualitas Prism. Ini adalah catatan tentang apa yang saat ini didukung oleh bukti. Rime menjalankan Prism pada harness yang sama yang digunakan Artificial Analysis dan, pada saat peluncuran, belum muncul di papan peringkat publik. Benchmark τ-Voice sendiri nyata dan independen — berasal dari makalah yang sedang ditinjau di ICML 2026, dibangun berdasarkan 278 tugas layanan maskapai penerbangan, ritel, dan telekomunikasi dengan simulator pengguna suara yang memvariasikan aksen, kebisingan latar, dan pergantian giliran bicara — dan para penulisnya menemukan bahwa agen suara jauh tertinggal dari agen teks pada tugas yang sama. Konteks itulah yang membuat 56,6 menarik alih-alih mengecewakan. Itu juga yang membuat replikasi independen menjadi hal yang perlu ditunggu.

Berapa biaya Prism, dan berapa biaya sebuah kaskade

Prism ditagih per menit audio panggilan, yang merupakan unit penagihan yang tidak digunakan oleh sebagian besar vendor TTS. Tingkatan yang dipublikasikan:

• Gratis — kredit penggunaan bulanan $50, tanpa kartu, dan Prism sudah termasuk di dalamnya.

• Flex — $0.080 per menit audio Prism, tanpa biaya bulanan, tanpa komitmen. Rime STT $0.002/menit, Mist v3 $0.030/menit, Coda v2 $0.050/menit.

• Scale — $100/bulan dengan kredit $100 yang dapat digulirkan hingga $200, dan diskon 20% yang membuat Prism menjadi $0,064/menit.

• Enterprise — khusus, tahunan, dan satu-satunya tier yang menambahkan VPC dan deployment on-prem serta fine-tuning pada panggilan pelanggan dan suara kustom.

Dengan tarif Flex, seribu menit audio Prism menghabiskan biaya model $80 sebelum biaya teleponi, alur kerja, dan platform. Apakah itu mahal sepenuhnya bergantung pada apa yang digantikannya. Kaskade membayar tiga tagihan: pengenalan, generasi, sintesis. Tumpukan mid-market tipikal mungkin menghabiskan dua hingga tiga sen per menit untuk pengenalan ucapan, beberapa sen untuk model bahasa tergantung seberapa banyak ia berpikir, dan tiga hingga lima sen untuk sintesis — jadi total kaskade sering kali mendekati atau melebihi delapan sen Prism, dan itu sebelum menghitung latensi tiga lompatan atau waktu rekayasa agar semuanya berperilaku seperti satu sistem.

Perbandingan berbalik jika model bahasa pilihan Anda murah dan vendor sintesis Anda murah. Dengan $0.030/menit untuk Mist v3 pada akun Rime yang sama, kaskade yang ringkas dapat menekan biaya jauh di bawah Prism — harga dari penghematan itu adalah kehilangan checkpoint dan mewarisi sambungannya. Itulah bentuk jujur dari keputusan tersebut: Prism tidak menjual kecerdasan dengan harga premium, ia menjual lapisan teks yang dapat ditinjau dengan harga premium, dan Anda seharusnya hanya membayarnya jika Anda memerlukan peninjauan tersebut.

Untuk siapa ini dibuat, dan siapa yang harus menunggu

Mitra desain yang disebut saat peluncuran — Dialpad sebagai mitra desain, dengan Asurion, Upstart, dan Mayo Clinic disebut sebagai pelanggan serta Twilio Ventures di antara para investor — menunjukkan pembeli yang sedang dibidik Rime: platform contact center dan vendor teleponi yang sudah memiliki kewajiban kepatuhan yang melekat pada setiap kata yang diucapkan agen mereka. Rime mengklaim SOC 2 dan HIPAA, menyebut Prism siap untuk teleponi, menyajikannya melalui WebSocket, dan menawarkan penerapan di cloud, VPC, atau on-prem. Yang terakhir itu adalah pembeda yang tidak mencolok, karena API realtime terdepan hanya tersedia di cloud.

Bukti dari pelanggan lebih tipis daripada daftar fiturnya. Revmo, sebuah agen pemesanan, melakukan fine-tuning Prism pada sekitar sepuluh jam panggilan produksi dan melaporkan bahwa 94% pesanan dilakukan hanya setelah penelepon menyetujui "haruskah saya memesannya?" — dibandingkan 57% untuk agen OpenAI yang digantikannya. Rime juga mengutip jaringan restoran nasional dengan 8% lebih banyak pesanan yang diselesaikan, 4x lebih sedikit panggilan yang diputus pelanggan, dan perusahaan jasa keuangan Fortune 500 dengan containment 42% lebih tinggi. Tidak ada yang mengungkapkan ukuran sampel, model OpenAI spesifik, atau metode pengukuran. Angka-angka semacam itu menarik secara arah tetapi lemah dari segi bukti, dan fine-tuning pada sepuluh jam audio domain berperan paling besar dalam kasus Revmo — Prism dasar tanpa tuning tersebut bukanlah yang diukur.

Tunggu dulu jika Anda membutuhkan cakupan multibahasa saat ini. Rime tidak mempublikasikan daftar bahasa atau jumlah suara Prism, sedangkan produk text-to-speech terpisahnya mempublikasikan milik mereka. Angka spesifik Prism tidak ada di halaman produk, yang bukan berarti cakupannya buruk, tetapi Anda tidak dapat merencanakan peluncuran di 30 pasar berdasarkan daftar yang tidak dipublikasikan.

Tunggu juga jika Anda memerlukan benchmark yang dapat Anda kutip secara internal. Belum ada skor Prism independen untuk saat ini. Jika proses pengadaan Anda memerlukan evaluasi pihak ketiga, posisi jujur minggu ini adalah "dijalankan oleh vendor pada harness independen, menunggu publikasi," dan Anda harus mengatakannya dengan kata-kata persis itu.

Checkpoint adalah panggilan model, dan di situlah perutean berperan.

Satu hal yang kurang ditekankan dalam materi peluncuran: checkpoint teks hanya berguna jika ada sesuatu yang dapat menindaklanjutinya cukup cepat agar percakapan tidak terputus. Klasifier kebijakan, pendeteksi klaim, pemeriksaan keamanan merek — masing-masing adalah pemanggilan model yang berada di antara draf dan audio. Itu adalah anggaran latensi di dalam anggaran latensi, dan itulah bagian dari desain yang menentukan apakah Prism terasa instan atau terasa seperti jeda.

Prism dijual langsung oleh Rime dan tidak ada dalam katalog OrcaRouter. Yang ada dalam katalog kami adalah separuh masalah lainnya: model-model yang dipanggil oleh checkpoint. Satu kunci mencakup 200 lebih model dengan markup 0% di atas harga daftar penyedia, sehingga classifier kecil yang cepat dan model eskalasi yang lebih besar berada di balik endpoint yang sama, dengan failover otomatis jika salah satunya macet di tengah panggilan — yang justru merupakan mode kegagalan yang mengubah guardrail pintar menjadi hening total. Jika Anda menjalankan Prism di depan kaskade yang sudah ada, sisi sintesis juga tersedia di sini: openai/tts-1-hd dan google/gemini-3.1-flash-tts-preview keduanya dapat dirutekan hari ini.

DSL routing lebih penting daripada kedengarannya dalam konteks ini. Ketika tugas checkpoint adalah "kirim kalimat ini ke model murah kecuali kalimat itu berisi angka di atas $500 atau istilah yang diatur," itu adalah aturan routing, dan menulisnya di gateway lebih baik daripada menulisnya di jalur panas aplikasi.

Yang perlu diperhatikan, dan apa yang akan mengubah jawabannya.

Tiga hal akan mengubah Prism dari peluncuran yang menarik menjadi opsi default yang dapat dipertahankan, dan masing-masing dapat diperiksa.

Yang pertama adalah entri Artificial Analysis. Dijalankan oleh vendor pada harness yang tepat merupakan awal yang wajar; baris papan peringkat publiklah yang mengubah 56.6 menjadi angka yang dapat Anda cantumkan dalam slide tanpa tanda bintang.

Yang kedua adalah API fine-tuning yang keluar dari beta. Rime mengatakan API RL dan SFT mandiri masih dalam beta. Hasil Revmo — bukti terkuat dalam peluncuran — berasal dari sepuluh jam audio domain. Jika kesenjangan itu nyata dan dapat direproduksi, itulah produk sebenarnya. Jika itu hanya satu pelanggan dengan kumpulan data yang luar biasa bersih, Prism adalah model checkpoint yang bagus dan bukan perubahan kategori.

Yang ketiga adalah daftar bahasanya. Model speech-to-speech untuk pusat kontak perusahaan yang mencakup delapan bahasa adalah produk regional; model yang mencakup empat puluh bahasa merupakan keputusan pengadaan perusahaan yang sepenuhnya berbeda.

Sampai hal-hal itu tersedia, ringkasan yang adil adalah ini: Rime merilis antarmuka kendali yang benar-benar berbeda untuk agen suara, memberinya harga yang kompetitif terhadap cascade yang digantikannya, dan membungkusnya dalam grafik benchmark yang lebih jujur daripada narasi persnya. Checkpoint itu nyata. Posisi papan peringkat hanyalah klaim. Jika agen Anda mengucapkan hal-hal yang harus disetujui sebelum didengar pelanggan, fakta pertama sudah cukup untuk membenarkan uji coba. Jika agen Anda terutama perlu terdengar bagus dalam dua puluh bahasa, tidak.

Versi satu baris untuk orang yang membaca sekilas

Prism adalah model speech-to-speech seharga $0,08 per menit yang memberikan kalimatnya kepada Anda sebelum ia mengucapkan kalimat itu, dengan biaya latensi sekitar setengah detik sejak penelepon berhenti berbicara. Model ini tidak lebih murah daripada cascade yang ramping dan tidak berada di puncak papan peringkat publik mana pun. Ini satu-satunya hal yang tersedia hari ini yang memberi tim kepatuhan tempat berpijak di antara keputusan model dan telinga pelanggan — dan itu adalah fitur yang sangat Anda butuhkan atau justru tidak Anda butuhkan sama sekali.

Jika Anda ingin mengetahui harga alternatif sebelum berkomitmen, sisi cascade dalam katalog hanya berjarak satu endpoint, dan perhitungan per menit di atas adalah angka yang perlu Anda bawa ke uji coba.