Simba 3.5 vs Eleven v4: Dua Papan Peringkat Itu Tidak Sepakat, dan Hanya Salah Satunya yang Tentang Produk Anda

Letakkan SpeechifyAI Simba 3.5 dan ElevenLabs Eleven v4 di tabel yang sama dan hasilnya sepenuhnya bergantung pada papan Artificial Analysis mana yang Anda baca. Pada Controlled Voice — delapan suara referensi hasil kloning yang sama untuk setiap peserta — Simba 3.5 berada di peringkat pertama dengan 1.192 dan Eleven v4 di peringkat ketujuh dengan 1.155, selisih 37 poin yang intervalnya tidak tumpang tindih. Pada Provider Voice — kumpulan suara milik masing-masing vendor — Eleven v4 berada di peringkat pertama dengan 1.340 dan Simba 3.5 di peringkat kelima dengan 1.294, selisih 46 poin ke arah sebaliknya, juga dengan pemisahan yang jelas. Tidak ada angka yang salah. Keduanya mengukur produk yang berbeda, dan angka yang harus Anda percayai ditentukan oleh pertanyaan tentang stack Anda, bukan tentang salah satu vendor.

Dua dewan itu, dan mengapa keduanya begitu berseberangan

{{1}}Controlled Voice{{/1}} menjaga pembicara tetap konstan. {{2}}Artificial Analysis{{/2}} mengkloning empat suara Amerika dan empat suara Inggris dan membuat setiap model mengucapkan kalimat yang sama dalam suara-suara yang sama itu, sehingga pendengar yang membandingkan dua sampel hanya mendengar kualitas sintesisnya saja. {{3}}Provider Voice{{/3}} memungkinkan setiap vendor mengajukan suaranya sendiri, yang berarti pendengar menilai model dan susunan suaranya secara bersamaan — timbre, aksen, pilihan akting yang dikurasi vendor.

ElevenLabs telah menghabiskan bertahun-tahun membangun kumpulan suara itu. Itu adalah bagian dari perusahaan yang sama sekali bukan model, dan itulah sebabnya papan peringkat penyedia menempatkan Eleven v4 dan Eleven v4 Turbo di dua posisi teratas dengan selisih 32 sampel yang jelas antara keduanya dan yang lain. Hilangkan kumpulan suara itu dan Eleven v4 turun ke posisi ketujuh. Posisi Speechify adalah cerminan sebaliknya: kelima dengan suaranya sendiri, pertama tanpanya.

• Suara Terkendali — SpeechifyAI Simba 3.5 peringkat 1, Elo 1.192, interval 1.175 hingga 1.209, 1.783 sampel

• Suara Terkendali — ElevenLabs Eleven v4 peringkat 7, Elo 1.155, interval 1.143 hingga 1.167, 3.221 sampel

• Suara Terkontrol — ElevenLabs Eleven v4 Turbo peringkat 6, Elo 1.156, interval 1.144 hingga 1.168, 3.327 sampel

Suara Penyedia — ElevenLabs Eleven v4 peringkat 1, Elo 1,340, interval 1,325 hingga 1,355, 2,742 sampel

• Penyedia Suara — ElevenLabs Eleven v4 Turbo peringkat 2, Elo 1.339, interval 1.323 hingga 1.355

• Suara Penyedia — SpeechifyAI Simba 3.5 peringkat 5, Elo 1.294, interval 1.277 hingga 1.311, 1.732 sampel

• Suara Penyedia — Alibaba Qwen-Audio-3.1-TTS-Plus peringkat 3 pada 1.300, di antara keduanya di papan peringkat tersebut

Kedua selisihnya lebih besar daripada interval di sekitarnya, jadi tidak ada urutan yang merupakan lemparan koin. Kemenangan Controlled Voice sebesar 37 poin untuk Simba 3.5 dan kemenangan Provider Voice sebesar 46 poin untuk Eleven v4 keduanya merupakan pengukuran nyata atas hal yang berbeda. Itu tidak biasa — sebagian besar pasangan model menghasilkan hasil yang sama di kedua papan — dan itulah seluruh isi perbandingan ini.

Pertanyaan yang memutuskannya

Jika produk Anda mengirimkan suara mana pun yang dipilih vendor — suara asisten bawaan, trek narasi stok, satu suara khas di seluruh aplikasi — Anda membeli apa yang diukur Provider Voice, dan Eleven v4 unggul 46 poin di kategori itu. Jika produk Anda memungkinkan pengguna memilih suara, mengkloning suara mereka sendiri, atau menghadirkan suara merek yang tetap di setiap bahasa, Anda membeli apa yang diukur Controlled Voice, dan Simba 3.5 unggul 37 poin di kategori itu.

Ada tes praktis yang bisa menyelesaikannya dalam satu sore: ambil tiga menit audio referensi Anda sendiri, kloning di kedua platform, lalu dengarkan. Model yang memimpin papan terkontrol adalah model yang menangani suara asing dengan baik. Model yang memimpin papan penyedia adalah model yang punya selera bagus dalam hal suara. Itu keterampilan yang berbeda, dan beban kerja Anda hanya membutuhkan salah satunya.

Harga tidaklah dekat, dan itu juga bukan keseluruhan cerita.

Eleven v4 tercatat seharga $0.08 per seribu karakter, yaitu $80 per juta. Itu adalah tarif di halaman harga API ElevenLabs sendiri dan angka yang dicantumkan Artificial Analysis untuk model tersebut; periode promosi yang berlangsung hingga pertengahan Oktober telah berakhir, jadi $80 adalah angka tetap, bukan artefak peluncuran. Eleven v4 Turbo setengahnya, yaitu $40 per juta.

Simba 3.5 dipatok pada $15, $12, dan $10 per juta karakter untuk Starter, Pro, dan Scale — turun dari $20, $16, dan $12 saat diluncurkan pada 21 Oktober. Hingga 21 November 2026, penagihannya menggunakan tarif model lama: $10, $8, dan $6. Setelah 22 November, daftar harga baru berlaku dan penawaran tidak berlaku.

• Eleven v4 — $80.00 per juta karakter, harga daftar, tanpa promosi aktif

• Eleven v4 Turbo — $40,00 per juta karakter

• Simba 3.5 — $15,00 Starter, $12,00 Pro, $10,00 Scale per juta karakter, mulai 22 November

• Simba 3.5 — $10.00, $8.00 dan $6.00 per juta karakter hingga 21 November

• Simba 3.2 dan Simba 3.0 — tidak berubah dengan tarif $10, $8, $6 pada paket yang sama

Dengan lima juta karakter per bulan — sekitar seratus jam audio jadi — Eleven v4 membutuhkan biaya $400 dan Simba 3.5 membutuhkan biaya antara $50 dan $75 tergantung paket dan tanggal. Itu berarti faktor lima hingga delapan. Siapa pun yang mengutip $6.58 dari papan peringkat untuk Simba 3.5 sedang mengutip tarif yang melekat pada paket yang tidak cocok dengan daftar resmi Speechify; susun anggaran berdasarkan tabel tingkatan di atas.

Bahasa: 48 di bawah satu ID dibandingkan dengan 90 lebih

Di sinilah perbandingan berhenti menjadi hasil imbang dan mulai menjadi keputusan routing. Simba 3.5 mendukung 48 bahasa dalam satu model id, naik dari enam bahasa yang dicakup Simba 3.0, dan setiap suara katalog — termasuk suara hasil kloning — mendukung semua 48 bahasa dengan voice id yang sama. Bahasa Estonia dan Kanton secara eksplisit tidak ada dalam daftar. Eleven v4 mencakup 90+ bahasa dengan batas 10.000 karakter per permintaan, yang kira-kira setara sepuluh menit ucapan sebelum Anda harus memecahnya.

Empat puluh delapan bahasa cukup untuk sebagian besar lini produk Eropa, Amerika Latin, dan Asia Timur, tetapi tidak cukup untuk katalog yang benar-benar global. Sembilan puluh lebih cukup untuk hampir semua hal, dan jika kebutuhan Anda adalah "setiap lokalitas tempat kami menjual," argumen kualitas tidak lagi relevan — salah satu dari dua ini dapat melakukan pekerjaan itu dan yang lain mungkin tidak.

Ada satu peringatan pada 48 yang disampaikan vendor secara terang-terangan dan dilewatkan sebagian besar liputan: sebuah suara mempertahankan aksen dari rekaman sumbernya. Suara Amerika hasil kloning yang berbicara bahasa Jepang akan terdengar seperti orang Amerika yang berbicara bahasa Jepang. Panduan Speechify sendiri adalah memulai dari suara pilihan staf yang asli untuk setiap bahasa, itulah sebabnya staff_pick_rank kini muncul di endpoint voices. Transfer suara lintas bahasa tersedia; tetapi tidak bebas aksen.

Latensi, kloning, dan bentuk API

Speechify melaporkan waktu hingga audio pertama sebesar 72 milidetik pada persentil ke-95 permintaan streaming di bawah beban produksi, dan throughput 1,8 kali lipat Simba 3.2 per instans penyajian. Angka-angka tersebut merupakan klaim vendor yang belum direproduksi. ElevenLabs tidak menerbitkan angka yang sebanding untuk Eleven v4 itu sendiri. Satu-satunya angka latensi terukur dalam dokumentasi Simba lebih lama dan lebih sempit cakupannya: Simba 3.2 pada median 56 milidetik dan 102 milidetik pada persentil ke-90 untuk byte pertama sisi server, diukur di US East pada 15 September 2026 — metrik yang berbeda dari waktu hingga audio pertama dan tidak dapat dialihkan.

Klon suara bersifat zero-shot dan swalayan di keduanya, dengan perbedaan dalam hambatan yang penting pada skala tim. Kloning Simba 3.5 tersedia pada paket berbayar tanpa persetujuan. ElevenLabs menawarkan klon instan dari sepuluh detik audio di samping tier klon profesionalnya, dan verifikasi persetujuannya adalah yang lebih berkembang di antara keduanya — sebuah nilai plus bagi siapa pun yang merilis suara yang disediakan pengguna.

Bentuk-bentuk request tidak dapat saling dipertukarkan, dan itu perlu diketahui sebelum Anda menulis lapisan abstraksi. Speechify mengautentikasi dengan bearer token, mengirim teks sebagai input, model sebagai model, dan sama sekali tidak memiliki objek voice_settings. ElevenLabs menggunakan header dan nama field miliknya sendiri. Keduanya mendukung streaming; dukungan SSML Speechify merupakan subset, dengan break, prosody rate, prosody pitch, prosody volume, dan sub alias diterapkan, sedangkan tag emphasis dan emotion diterima tetapi diabaikan.

Di mana router sebenarnya membantu di sini

Tidak satu pun model tersebut berada di OrcaRouter, dan artikel ini tidak mengklaim sebaliknya: lini Simba diakses melalui API milik Speechify sendiri dan lini ElevenLabs melalui API milik ElevenLabs. Yang kami rutekan adalah katalog sintesis yang lebih kecil yang membentuk kelompok kontrol yang adil — openai/tts-1 seharga $15.00 per juta karakter dan openai/tts-1-hd seharga $30.00, keduanya pada harga daftar penyedia tanpa tambahan apa pun.

Argumen perutean dalam perbandingan spesifik ini bukan soal kualitas, karena jawaban soal kualitasnya sudah terbelah. Persoalannya adalah kedua papan peringkat tidak sepakat, harganya berbeda lima hingga delapan kali, dan kedua fakta itu hanya stabil sampai model berikutnya dirilis. Stack yang dapat mengirim skrip yang sama ke dua vendor dan membandingkannya pada audio miliknya sendiri memiliki jawaban yang bertahan saat papan peringkat dijalankan ulang berikutnya; stack yang terkunci secara tetap ke salah satunya harus memperdebatkan ulang keputusan itu setiap kuartal. Failover otomatis juga mencakup kasus yang tidak pernah diuji tolok ukur oleh siapa pun — insiden di sisi penyedia selama minggu peluncuran.

Putusan jujur, dengan dasi tetap dikenakan.

Eleven v4 adalah model yang lebih baik jika Anda membutuhkan cakupan bahasa yang luas, kumpulan suara terkurasi yang tidak perlu Anda bangun sendiri, perkakas persetujuan dan kloning yang paling matang, atau keunggulan di papan penyedia yang telah bertahan di puncak bidang berisi seratus model. Biayanya lima hingga delapan kali lebih mahal dan harganya bukan harga promosi.

Simba 3.5 adalah model yang lebih baik jika suara Anda adalah milik Anda — dikloning, dimiliki merek, atau dipilih per lokal — dan jika 48 bahasa mencakup pasar tempat Anda benar-benar menjual. Model ini memimpin papan peringkat yang menjaga pembicara tetap konstan, yaitu papan yang memprediksi performa pada suara yang belum pernah didengar vendor. Model ini juga baru tiga minggu berjalan dalam jadwal harga yang sudah berubah sekali, dengan migrasi model-id yang akan berlaku pada 21 November, jadi angka yang Anda sepakati saat mendaftar belum tentu angka yang akan Anda bayar pada Desember.

Apa yang tidak diberitahukan oleh kedua board kepada Anda adalah board mana yang lebih disukai pendengar Anda pada konten Anda. Selisih tiga puluh tujuh poin Elo adalah jarak yang berarti dan itu bukan pengganti uji mendengarkan atas tiga menit naskah Anda sendiri dengan suara Anda sendiri. Lakukan uji itu sebelum Anda mengalokasikan volume ke salah satunya.