Rime Prism vs Breeze TTS 2: Lisensi Adalah Perbandingannya

Hal paling berguna yang dapat Anda pelajari dengan menempatkan Rime Prism di samping Breeze TTS 2 bukanlah mana yang terdengar lebih baik, melainkan bahwa salah satunya adalah repositori Apache-2.0 yang bobot modelnya dibatasi untuk penggunaan riset dan nonkomersial, sedangkan yang lainnya adalah layanan komersial per menit. Asimetri tunggal itulah yang menentukan perbandingan sebelum latensi, harga, atau kualitas suara ikut dipertimbangkan. Prism, yang diluncurkan pada 28 Oktober 2026, adalah model speech-to-speech yang dihosting dengan tarif $0.080 per menit audio panggilan yang menulis setiap balasan sebagai teks sebelum mengucapkannya. Breeze TTS 2, yang dirilis pada 25 Agustus 2026 oleh BreezeBlue, adalah model text-to-speech berbobot terbuka berparameter 3 miliar yang Anda jalankan sendiri, dan ini adalah komponen, bukan agen.

Mereka bukan pengganti. Hampir setiap halaman yang memeringkatkan mereka memperlakukan mereka sebagai dua titik pada sumbu yang sama, dan cara membingkai itu keliru dengan cara yang membuat orang kehilangan waktu beberapa minggu. Berikut adalah apa sebenarnya masing-masing, dan di mana keputusan itu sebenarnya berada.

Yang satu adalah model, yang lainnya adalah sistem.

Baca deskripsinya secara berdampingan, dan kesalahan kategorinya menjadi jelas.

• Apa yang dilakukannya — Prism menerima audio pemanggil dan menghasilkan ucapan agen, dari awal hingga akhir, dengan titik pemeriksaan teks di antara keduanya. Breeze TTS 2 menerima teks dan menghasilkan ucapan. Titik.

• Apa yang digantikannya — Prism menggantikan model pengenalan ucapan, model bahasa, dan model sintesis, plus perekat yang membuat semuanya berperilaku seperti satu percakapan. Breeze TTS 2 menggantikan model sintesis, dan hanya itu.

• Siapa yang menjalankannya — Prism berjalan di cloud Rime pada tier Free, Flex, dan Scale; VPC dan on-prem hanya pada Enterprise. Breeze TTS 2 berjalan di GPU Anda, dan bukan GPU orang lain.

• Apa yang masih harus Anda bangun — dengan Prism, lapisan kebijakan yang membaca checkpoint. Dengan Breeze TTS 2, pengenalan, pengambilan giliran, penanganan interupsi, model bahasa, orkestrator, dan infrastruktur streaming di antara semuanya.

• Keterbukaan — Prism tidak mempublikasikan bobot, jumlah parameter, maupun daftar bahasa. Breeze TTS 2 mempublikasikan bobot, kode inferensi, dan rangkaian benchmark.

Jika tim Anda hanya dua orang dan tenggat waktunya satu kuartal, "membangun kaskade di sekitar Breeze" bukanlah rencana, melainkan sebuah proyek. Jika tim Anda sudah memiliki voice stack dan lapisan sintesis adalah mata rantai yang lemah, menyewa Prism berarti membuang infrastruktur yang sudah berfungsi hanya untuk memperbaiki satu komponen.

Klausul lisensi yang menjadi penentu bagi sebagian besar perusahaan

Breeze TTS 2Kode sumber adalah Apache 2.0, yang tampak permisif sampai Anda melihat bobotnya. Bobot model, model turunan, dan keluaran yang di-self-host dilisensikan untuk penggunaan riset dan non-komersial. Itu bukan catatan kaki yang dapat Anda hindari dengan menyebutnya prototipe. Penerapan pusat kontak produksi adalah penggunaan komersial menurut pembacaan umum, dan lisensi menempatkan risiko pada pihak yang menjalankan model — yang, dengan bobot terbuka, adalah Anda.

Inilah perbedaan antara model yang dapat Anda evaluasi sore ini dan model yang dapat Anda rilis. Evaluasi bersifat gratis dan tanpa batasan dalam praktiknya: unduh bobotnya, jalankan kode inferensi PyTorch resmi, uji kode Anda sendiri dengannya, dan dengarkan hasilnya. Untuk merilisnya, diperlukan lisensi komersial dari BreezeBlue, dan ketentuan lisensi tersebut tidak dipublikasikan di halaman model. Tabel perbandingan apa pun yang mencantumkan biaya Breeze TTS 2 sebagai "waktu GPU" dan berhenti sampai di situ secara diam-diam mengasumsikan lisensi yang belum dikutip oleh siapa pun.

Pertanyaan lisensi Prism adalah kebalikannya dan jauh lebih sederhana: ini adalah layanan, harganya dipublikasikan, dan hak komersial sudah termasuk dalam tarif per menit. Free tier, Flex, Scale, Enterprise. Tidak ada negosiasi sampai Anda ingin on-prem.

Berapa biaya masing-masing per menit, dengan perhitungan yang ditunjukkan

Prism lugas saja: $0.080 per menit audio panggilan di Flex, $0.064 di Scale, $0 pada kredit gratis hingga $50 habis. Seribu menit biayanya $80 sebelum biaya teleponi.

Breeze TTS 2 memerlukan contoh yang sudah dijalankan karena "self-hosted" menyembunyikan seluruh rincian biaya. BreezeBlue mempublikasikan faktor waktu nyata sebesar 0,32 pada H100 — kira-kira 3,1 detik audio yang dihasilkan per detik komputasi — diukur pada jalur cepat yang sudah dipanaskan. Inferensi eager membutuhkan sekitar 7,7 GiB, sehingga kartu 12 GB adalah batas minimum; jalur --fast-all membutuhkan 14,4 GiB dan kartu 24 GB.

Ambil H100 dengan harga sekitar $2 per jam-GPU. Dalam satu jam, Anda memiliki 3.600 detik komputasi, yang pada RTF 0,32 menghasilkan sekitar 11.200 detik audio, atau 186 menit. Bagi: sekitar $0,011 per menit ucapan yang dihasilkan. Itu sekitar tujuh kali lebih murah daripada tarif Flex dari Prism — dan itulah angka yang orang kutip.

Bukan angkanya yang penting. $0.011 itu tidak mencakup utilisasi. Contact center tidak berjalan pada okupansi GPU 100%; ia berjalan pada puncak jam tersibuknya dan menganggur sepanjang waktu lainnya. Pada utilisasi rata-rata yang realistis sebesar 30%, tarif efektifnya menjadi tiga kali lipat, sekitar $0.033/menit, dan pada 15% menjadi sekitar $0.066/menit — yaitu harga Prism, tanpa checkpoint dan dengan seluruh beban operasional. Self-hosting hanya mengalahkan harga per menit jika Anda dapat menjaga kartu tetap sibuk, dan sebagian besar deployment suara tidak bisa, karena lalu lintasnya secara alami bersifat bursty.

Latensi: 40 milidetik bukanlah agen suara

Angka utama Breeze TTS 2 adalah waktu hingga audio pertama di bawah 40 ms pada jalur cepat H100. Angka utama Prism adalah 0,57 detik. Jika dibaca secara terpisah, itu tampak seperti kekalahan empat belas banding satu. Ini adalah perbandingan antara stopwatch yang berbeda.

Jam Breeze mulai berjalan saat teks tiba di penyintesis. Jam Prism mulai berjalan saat penelepon berhenti berbicara. Di antara kedua titik itu, dalam kasus cascade, terdapat pengenalan ucapan atas tuturan penelepon dan satu putaran penuh model bahasa — bagian yang tidak ditangani Breeze. Waktu cascade end-to-end yang dipublikasikan biasanya berkisar antara 800 ms dan 1,5 detik setelah pengenalan dan generasi diperhitungkan, dan setiap milidetik itu adalah momen ketika penelepon bertanya-tanya apakah sambungan terputus.

0,57 detik milik Prism adalah angka dari vendor yang berasal dari evaluasi yang dijalankan oleh vendor pada harness τ-Voice, dan itulah angka yang harus dibandingkan dengan model ucapan-ke-ucapan end-to-end lain, bukan dengan sebuah komponen. Pernyataan yang adil adalah bahwa Breeze TTS 2 adalah sintesiser tercepat dalam perbandingan ini dengan selisih yang lebar, dan Prism adalah sistem lengkap tercepat di dalamnya — karena Prism adalah satu-satunya sistem lengkap di dalamnya.

Ada satu tempat di mana perbandingan mentah tetap berlaku. Jika Anda tetap membangun cascade — karena model bahasa Anda melakukan sesuatu yang tidak dapat dilakukan Breeze maupun Prism, atau karena Anda memerlukan mesin inferensi tertentu — maka 40 ms milik Breeze adalah keunggulan 500 milidetik yang nyata atas total anggaran Prism yang dihabiskan hanya untuk hop sintesis. Dalam arsitektur itu, Anda tidak membandingkan Breeze dengan Prism. Anda membandingkan cascade Breeze dengan cascade Prism, dan hop sintesis hanyalah satu suku dalam penjumlahan tersebut.

Di mana masing-masing benar-benar unggul

Breeze TTS 2 menang ketika output-nya bukan percakapan. Dubbing, narasi, audio untuk gim, suara untuk produk dengan 200 frasa tetap — semua itu membutuhkan sintesiser, bukan agen, dan tak satu pun memerlukan pos pemeriksaan kebijakan sebelum pengucapan. Mode desain suara Breeze menghasilkan suara dari deskripsi bahasa alami tanpa audio referensi, pengarahan suara mengatur nada dan tempo klon yang sudah ada, dan tag inline seperti (laugh) dan (sigh) menambahkan performa tanpa model kedua. Untuk pekerjaan semacam itu, pertanyaan lisensi mungkin bahkan tidak muncul, dan perhitungan biaya per menit tidak relevan karena tidak ada penghitung per menit.

Prism unggul ketika batasan menyangkut apa yang diperbolehkan diucapkan oleh agen. Kalimat yang harus ditinjau, pengungkapan yang harus muncul kata per kata, nomor rekening yang harus dieja, bukan diucapkan sebagai kata — semua itu memerlukan checkpoint teks, dan Breeze TTS 2 tidak memiliki padanannya karena teks yang diterimanya sudah final saat ia melihatnya. Anda dapat membangun guardrail di hulu dalam sebuah kaskade, dan orang memang melakukannya, tetapi dengan begitu Anda menjaga keluaran model bahasa dalam pipeline yang Anda rakit, yang merupakan sebagian besar pekerjaan yang ditawarkan Prism.

Breeze TTS 2 juga unggul dalam hal transparansi. Anda dapat membaca bobot modelnya, menjalankannya secara offline, mereproduksi klaim benchmark vendor di perangkat keras Anda sendiri, dan mengetahui persis apa yang berubah antar versi. Prism memberi Anda API dan catatan rilis. Bagi tim yang pernah dirugikan oleh vendor yang diam-diam mengubah suara di tengah kuartal, itu bernilai nyata.

Jika Anda mempertahankan kaskade, lapisan model dapat dirutekan.

Kaskade yang menjadi tempat Breeze TTS 2 cocok masih membutuhkan model bahasa, dan itulah bagian yang dicakup OrcaRouter. Prism dijual langsung oleh Rime dan tidak ada di katalog kami; Breeze TTS 2 di-hosting sendiri dan juga tidak ada di sana. Yang ada di sana adalah segala hal di sekitar keduanya: satu kunci untuk 200+ model dengan markup 0% di atas harga daftar penyedia, dengan failover otomatis ketika penyedia menurun di tengah panggilan dan DSL perutean untuk menentukan model mana yang menangani giliran mana. Bagi agen suara, itulah bentuk yang berguna — model kecil untuk respons pengakuan saat penelepon masih berbicara, model yang lebih besar untuk pencarian, satu endpoint dan satu tagihan.

Sisi TTS juga sudah tercakup: openai/tts-1-hd dan google/gemini-3.1-flash-tts-preview keduanya dapat dirutekan hari ini dengan harga daftar. Mereka bukan Breeze TTS 2 dan bukan Prism, tetapi mereka adalah dua ujung kaskade tanpa kontrak kedua.

Keputusan, dalam sekali jalan

Ajukan dua pertanyaan dalam urutan ini dan jawabannya biasanya akan terungkap dengan sendirinya.

Pertama: apakah ada hal yang dikatakan agen Anda yang perlu persetujuan sebelum didengar oleh manusia? Jika ya, Prism adalah satu-satunya opsi dalam pasangan ini yang memiliki tempat untuk menaruh persetujuan itu, dan harga lisensinya — $0,08/menit — adalah harga dari kendali tersebut. Jika tidak, lanjutkan.

Kedua: dapatkah Anda membuat GPU tetap sibuk? Jika beban sintesis Anda berjalan mendekati kapasitas dan Anda memiliki tim teknik untuk menangani kaskade, Breeze TTS 2 dengan biaya komputasi $0,011/menit adalah jawaban ekonomis yang lebih baik sebesar faktor tujuh, asalkan Anda memperoleh lisensi komersial sebelum merilisnya. Jika Anda tidak dapat membuat kartu tetap sibuk, biaya efektifnya tetap akan menyamai Prism dan Anda telah memikul seluruh tumpukan untuk mencapainya.

Jawaban yang salah adalah jawaban yang diberikan halaman peringkat: bahwa Breeze lebih murah sehingga Breeze menang. Per menit audio memang lebih murah, ya. Tetapi Anda tidak membeli audio dari Breeze TTS 2 — Anda membeli sintesiser lalu membangun agen suara di sekitarnya, dan belum ada yang memublikasikan pos biaya untuk itu.

Kaveat benchmark vendor juga termasuk di sini. Angka-angka yang dipublikasikan BreezeBlue — faktor real-time 0,32 dan di bawah 40 ms untuk audio pertama pada jalur cepat H100 yang sudah dipanaskan — adalah miliknya sendiri, dijalankan pada model Inggris dan Tionghoa, dan kalimat "peringkat #1 di antara model open-weight pada papan peringkat TTS Artificial Analysis" adalah pernyataan posisioning vendor, bukan skor: pada papan live, saat ini posisinya sekitar peringkat ketujuh secara keseluruhan. Angka 56,6 Prism pada τ-Voice juga hasil uji vendor. Tidak ada satu pun dari angka tersebut yang memiliki penilai independen, dan itulah satu-satunya hal yang benar-benar sama di antara keduanya.