Gemini 3.8 TTS vs Breeze TTS 2: la licenza, non la classifica, decide questo confronto

Cinquantasei punti Elo separano Gemini 3.8 Flash TTS e Breeze TTS 2 sulla Artificial Analysis Provider Voice Arena, e non rientrano l'uno nelle barre di errore dell'altro: il modello del fornitore si colloca al rango 2 con un Elo di 1.260 su 1.999 campioni e 8 voci dell'arena, pubblicato il 23 settembre 2026; Breeze TTS 2 si colloca al rango 9 con 1.204 su 1.390 campioni, pubblicato ad agosto 2026. Sul prezzo l'ordine si ribalta nettamente — Breeze è indicato a 34,00 $ per milione di caratteri normalizzati rispetto a 16,50 $ per Flash TTS, quindi il modello che vince nella classifica perde in fattura di circa il doppio.

Se questo fosse l'intero confronto, sarebbe un pezzo breve e sceglieresti in base a quanto ti fidi di un divario di 56 punti. Ma i due modelli non sono lo stesso tipo di oggetto. Breeze TTS 2 è un modello open-weights da 3 miliardi di parametri che puoi scaricare, ispezionare ed eseguire da solo, con una licenza che si rivela più importante della sua posizione in una classifica. Gemini 3.8 Flash TTS è un endpoint API con voice design e dialogo a due parlanti e nessun peso. Decidere tra loro è una questione di licenza e deployment travestita da benchmark.

Cosa sia in realtà ognuno

Chiarisci bene la struttura di ogni modello prima di confrontare i numeri, perché differiscono su quasi ogni asse che non sia l'Elo.

• Distribuzione — Breeze TTS 2 è scaricabile: pesi pubblicati su Hugging Face come BreezeBlue/Breeze-TTS-2 insieme al codice PyTorch. Gemini 3.8 Flash TTS è disponibile esclusivamente via API, raggiungibile tramite l'API Gemini e le superfici Google menzionate nell'annuncio del 23 settembre.

• Dimensione — Breeze TTS 2 è un modello da 3 miliardi di parametri, ed è proprio per questo che può essere self-hosted. Google non ha pubblicato un numero di parametri per nessuno dei due modelli Gemini 3.8 TTS.

• Creazione vocale — Gemini 3.8 Flash TTS esegue il voice design da una descrizione scritta e la replica vocale da un campione di 30 secondi. Breeze TTS 2 include una libreria vocale che il fornitore conta a migliaia e un proprio percorso di voice design; i punteggi di role-fit e direction riferiti dal fornitore per quel percorso sono propri di BreezeBlue e non hanno un corrispettivo indipendente.

• Dialogo — Gemini 3.8 Flash TTS genera un dialogo a due interlocutori in un'unica chiamata, con styling a livello di turno. Breeze TTS 2 è un modello a voce singola; una conversazione è composta da due esecuzioni unite.

• Lingue — Breeze TTS 2 copre 50 lingue secondo il conteggio del fornitore. L'annuncio di Google ne conta 130 per il modello Flash, ma i due conteggi non misurano la stessa cosa e non dovrebbero essere interpretati come 130 contro 50.

• Latenza — BreezeBlue dichiara una latenza di streaming inferiore a 40 ms; Google non pubblica alcun dato equivalente per Flash TTS. Nessuno dei due valori è verificato in modo indipendente, e solo uno dei due esiste.

La licenza è il vero bivio.

Questa è la parte che la classifica non può mostrarti, ed è il motivo per cui i due modelli non sono intercambiabili nemmeno là dove la loro qualità si sovrappone.

I pesi di Breeze TTS 2 sono distribuiti con la licenza BreezeBlue per ricerca e uso non commerciale. Il codice sorgente nello stesso repository è Apache 2.0. Questi due fatti sono affiancati sulla model card e vengono ridotti a "open source" nella maggior parte delle trattazioni, il che è sbagliato in una direzione che costa denaro: il fatto che il codice sia Apache 2.0 non rende i pesi Apache 2.0, e l'uso commerciale del modello passa attraverso l'API ospitata anziché tramite un checkpoint self-hosted.

Il lato di Google non ha alcuna questione di licenza, perché non c'è nulla da licenziare. Stai acquistando inferenza. Ciò a cui rinunci è la cosa per cui di solito si acquistano i pesi aperti — la capacità di eseguire il modello dove si trovano i dati, di fissare una versione e mantenerla, e di smettere di pagare per carattere.

Quindi l'inquadramento onesto non è aperto contro chiuso. È:

Se la tua distribuzione deve mantenere l'audio all'interno della tua infrastruttura, Breeze TTS 2 è l'unico dei due che offre una soluzione, e la soluzione è una licenza di ricerca. Consulta il tuo legale prima di costruirci sopra un prodotto.

• Se il tuo deployment può chiamare un'API, la questione della licenza scompare e il confronto torna a basarsi su qualità, prezzo e funzionalità — dove Flash TTS è in vantaggio su due dei tre.

• Se vuoi pesi aperti che puoi commercializzare senza una conversazione, nessuno di questi è quel modello, e l'arena ha altre righe.

Dove il divario Elo significa qualcosa e dove no

Un divario di 56 punti è al di fuori degli intervalli di confidenza ±16 e ±16 che la classifica riporta per queste due righe, quindi la posizione in classifica non è rumore nel modo in cui, diciamo, lo è Flash TTS rispetto a Gemini 3.8 Flash-Lite TTS. Ma un Elo arena misura una sola cosa: quale di due clip un ascoltatore ha preferito in un confronto alla cieca. È un segnale di preferenza, aggregato.

Ciò che non misura è tutto ciò di cui una pipeline di produzione si preoccupa. Non ti dice come ciascuno dei due modelli gestisce un copione di 40 minuti senza deriva dell'identità, come pronuncia il nome del tuo prodotto, come si comporta quando l'input contiene un numero di telefono, o che aspetto abbia la sua modalità di errore quando gli viene chiesto qualcosa al di fuori del suo addestramento. I 1.390 campioni di Breeze TTS 2 e i 1.999 di Flash TTS sono entrambi abbastanza grandi da rendere stabile l'aggregato, ed entrambi abbastanza piccoli da far sì che nessun singolo segmento del tuo caso d'uso sia rappresentato in essi.

Anche il divario è più stretto di quanto sembri, una volta considerato ciò che viene chiesto a ciascun modello. Flash TTS gestisce due parlanti in una sola chiamata, un compito più difficile di quello su cui viene valutato Breeze TTS 2. Che ciò renda i 56 punti una sottostima o una sovrastima dipende dal tuo caso d'uso, e nessuno dei due fornitori ha pubblicato l'analisi di ablazione che risolverebbe la questione.

Quanto costa un'ora di ciascuno

Le due cifre di prezzo non sono direttamente confrontabili, e fingere il contrario è l'errore più comune negli articoli che trattano questo confronto.

Google fattura in token: 0,50 $ per milione di token di testo in input e 9,00 $ per milione di token audio in output fino al 31 dicembre 2026, poi 18,00 $. Batch e Flex costano 0,25 $ e 4,50 $; Priority costa 0,90 $ e 16,00 $. Flash-Lite TTS, il modello gemello, costa 0,50 $ e 6,00 $, poi 12,00 $.

BreezeBlue fattura in caratteri: $34,00 per milione di caratteri tramite l'API ospitata.

Artificial Analysis normalizza entrambi su una base per milione di caratteri, così da poterli inserire in un'unica classifica, ed è da lì che nasce il confronto tra $16,50 e $34,00. La normalizzazione è della classifica, non di nessuno dei due fornitori: Google non pubblica una tariffa per carattere per Flash TTS, e considerare $16,50 un preventivo anziché il risultato di una conversione è il motivo per cui le persone finiscono per rimanere sorprese dalla fattura.

Due conseguenze di cui vale la pena tenere conto nella pianificazione:

• La tariffa di Flash TTS raddoppia il 1° gennaio 2027. Con un budget pari alla cifra promozionale, il divario rispetto a Breeze TTS 2 si riduce drasticamente; con un budget pari a $18.00, si colma quasi del tutto.

Il self-hosting di Breeze TTS 2 non lo rende gratuito: lo trasforma in un costo in conto capitale. Un modello da 3B è abbastanza piccolo da girare su hardware modesto, ma i conti tornano solo a volumi elevati, e solo per un caso d’uso che la licenza di ricerca consente.

Scegliere, senza fingere che ci sia una sola risposta

L'albero decisionale è breve.

Scegli Gemini 3.8 Flash TTS se hai bisogno di un dialogo a due voci, se desideri una voce progettata da una descrizione e mantenuta come ID, se la tua pipeline può chiamare un'API e se il cambiamento di tariffa del 31 dicembre è qualcosa che puoi pianificare. È il modello migliore sulla classifica indipendente e il più economico in fattura, e il fatto che sia chiuso non è un problema per un caso d'uso che sarebbe sempre stato una chiamata API.

Scegli Breeze TTS 2 se la residenza dei dati o l'inferenza on-premises è un requisito imprescindibile, se hai bisogno di un modello 3B che puoi effettivamente scaricare, o se stai facendo ricerca invece di lanciare un prodotto — che è precisamente il caso per cui è scritta la sua licenza. Non sceglierlo solo per l'etichetta open-weights; leggi prima la licenza.

E se stai valutando entrambi, il modo economico per farlo è mantenere la scelta reversibile. OrcaRouter non ospita nessuno di questi modelli — il luogo da cui chiamare Gemini 3.8 Flash TTS è l'API di Google stessa e le superfici indicate da Google, e il luogo da cui chiamare Breeze TTS 2 è l'endpoint ospitato di BreezeBlue. Ciò per cui un router è utile qui è il resto dello stack: oltre 200 modelli dietro un'unica chiave al prezzo di listino del fornitore senza ricarico, così una variazione di prezzo di un fornitore come l'aumento tariffario di gennaio è attiva lo stesso giorno anziché al ciclo di fatturazione successivo, failover automatico così un percorso in fase di valutazione non deve essere per forza un percorso in produzione, e un DSL di routing che compone i modelli in un'unica chiamata quando una sola voce non basta.

La versione in una riga: la classifica dice Google, la licenza dice che dipende, e il prezzo dice di controllare il calendario prima di impegnarti per l'una o per l'altra.