Rime Prism vs Qwen-Audio-3.0-TTS: un motore conversazionale contro uno strato vocale

Rime Prism costa $0,080 al minuto. Una chiamata di assistenza di cinque minuti con questo modello costa $0,40, e quei $0,40 pagano l’ascolto, il ragionamento, l’alternanza dei turni e la sintesi vocale in un unico modello. Qwen-Audio-3.0-TTS costa $19,30 per milione di caratteri, che per la stessa chiamata equivale a circa $0,10 — solo per la parte parlata. Mettendo questi numeri uno accanto all’altro, il confronto sembra risolto a favore di Qwen. Non è risolto, perché i due modelli non competono per lo stesso posto in uno stack, e la differenza di $0,30 è soprattutto il prezzo da pagare per eliminare due passaggi di consegne dal percorso tra la frase di chi chiama e una risposta.

Rime ha lanciato {{1}}Prism{{/1}} il 28 ottobre 2026, il giorno prima della stesura di questa pagina. È un modello speech-to-speech, non un modello text-to-speech: ascolta l'audio, elabora una risposta, scrive quella risposta come testo che un'applicazione può ispezionare, e poi parla — continuando ad ascoltare. Alibaba ha annunciato Qwen-Audio-3.0-TTS a WAIC il 20 luglio 2026, con un tier Plus per la qualità e un tier Flash per il tempo reale. Quel modello prende testo e restituisce audio, punto e basta. Alibaba lo ha sostituito con Qwen-Audio-3.1-TTS il 23 settembre 2026, quindi il 3.0 in questo titolo è già la generazione precedente della sua stessa famiglia — una complicazione che ricompare più avanti e cambia ciò che dovresti effettivamente acquistare.

La domanda utile non è quale suoni meglio, ma quale metti davanti a chi chiama, e come deve apparire il resto del diagramma se lo fai.

Due prodotti, un solo slot nel diagramma

Un agente vocale convenzionale è una cascata: il riconoscimento vocale trasforma l'audio del chiamante in testo, un modello linguistico decide cosa dire, la sintesi vocale riconverte quella risposta in audio. Ogni passaggio è un punto in cui l'accento del chiamante può andare perso, in cui una parola riempitiva può essere omessa, in cui si aggiungono 200 millisecondi.

La tesi di Rime è che la cascata scarta qualcosa che non può recuperare. In una cascata il modello linguistico non sente mai come il chiamante ha detto la cosa — il sospiro, il tono che sale alla fine di una domanda, la pausa prima di un numero di carta di credito — perché riceve soltanto una trascrizione. Prism mantiene intatto il segnale acustico per tutto il processo decisionale, poi emette il testo come checkpoint anziché come formato intermedio.

Questa è una vera differenza architetturale ed è l'intero fondamento del prodotto. Significa anche che Prism non è un sostituto plug-and-play di un motore TTS. Inseriscilo nell'ultimo slot di una cascata e avrai acquistato un costoso sintetizzatore vocale che deve prima ascoltare il chiamante. Inserisci Qwen-Audio-3.0-TTS nello slot di Prism e avrai un modello che non riesce ad ascoltare assolutamente nulla.

Cosa vende davvero Rime Prism

Prism è il primo modello che Rime ha rilasciato che rimuove le fasi STT e LLM anziché ottimizzarne una. Lo strato testuale è la funzionalità a cui tengono gli acquirenti enterprise: un controllo delle policy, un filtro PII o un supervisore umano possono leggere le parole esatte che stanno per essere pronunciate e, poiché il modello continua ad ascoltare mentre il controllo viene eseguito, la pausa non deve necessariamente essere udibile. Le chiamate agli strumenti vengono eseguite in parallelo al parlato anziché prima di esso, il che è un modo diverso di nascondere la latenza di una ricerca nel database rispetto alla solita attesa del tipo "fammi solo controllare questo per te".

I numeri pubblicati, tutti provenienti da Rime: 0,57 secondi al primo audio sul benchmark τ-Voice, 56,6% di completamento delle attività su quel benchmark e 82,5% sul relativo sottoinsieme telecom. Una prova Revmo su circa dieci ore di chiamate reali per ordini viene citata come 100% di conferme d'ordine contro il 68% di un modello OpenAI senza nome, con l'85% delle chiamate prive di allucinazioni contro il 35%. Quei dati della prova provengono da un caso di studio cliente commissionato da Rime; la metodologia non è pubblicata e nessuno l'ha riprodotta.

Il prezzo è al minuto di audio delle chiamate ed è lo stesso modello per ogni livello: 0,080 $/min su Flex senza canone mensile, 0,064 $/min su Scale a 100 $ al mese, con inclusi 100 $ di credito che si accumulano fino a 200 $, e tariffe a volume su Enterprise. Gli account gratuiti ricevono 50 $ di credito mensile. Prism esegue lo streaming tramite WebSockets e fornisce integrazioni per LiveKit e Pipecat. Le API di fine-tuning SFT e RL self-service sono in beta e non sono disponibili a livello generale; il livello Enterprise è quello che include distribuzione on-premises e VPC, voci personalizzate, un BAA HIPAA e SOC 2 Type II.

Che cosa vende davvero Qwen-Audio-3.0-TTS

Qwen-Audio-3.0-TTS è un sintetizzatore con un controllo insolito. Accetta tag di resa inline — [gasp], [laughs], [angry] — incorporati nel testo stesso, così l'emozione è associata a un personaggio anziché a un intero paragrafo. Copre 16 lingue e 20 dialetti cinesi, genera fino a tre minuti in una singola richiesta a 48 kHz e include una libreria di oltre 1.000 voci. Il livello Plus è il livello dedicato alla qualità; Flash è pensato per l'interazione in tempo reale e la documentazione di Alibaba indica una latenza del primo pacchetto inferiore a 200 millisecondi, mentre i resoconti del lancio precedente citavano circa 300.

Il prezzo di listino è di $0,19253 per 10.000 caratteri nella regione di Pechino e di $0,20 a Singapore, ovvero da $19,30 a $20 per milione di caratteri — il valore che Artificial Analysis riporta nella sua classifica. La capacità di elaborazione è limitata a 180 richieste al minuto in entrambe le regioni. Non ci sono pesi, né opzione di self-hosting, né una soluzione on-premises: se le regioni di Alibaba rappresentano un problema per la revisione della residenza dei dati, questo modello semplicemente non è disponibile per te.

Il tabellone

• Categoria — Rime Prism ascolta l'audio e risponde a voce; Qwen-Audio-3.0-TTS riceve testo e restituisce audio.

• Lancio — Prism il 28 ottobre 2026; Qwen-Audio-3.0-TTS il 20 luglio 2026, sostituito da Qwen-Audio-3.1-TTS il 23 settembre 2026.

• Unità di fatturazione — Prism $0,080 al minuto di audio delle chiamate su Flex, $0,064 su Scale; Qwen $19,30 per milione di caratteri su Plus, circa da $13,75 a $15 per milione su Flash.

• Latenza — Prism 0,57 s al primo audio, misurato dal fornitore; Qwen Flash sotto i 200 ms al primo pacchetto secondo la documentazione di Alibaba.

Punteggio indipendente — Prism non ne ha alcuno sull'Indice Speech-to-Speech di Artificial Analysis; Qwen-Audio-3.0-TTS-Plus si trova a Elo 1.269, sesto su 99 nella Text-to-Speech Arena, secondo la classifica al 29 ottobre 2026.

• Lingue — Prism solo in inglese al lancio; Qwen 16 lingue più 20 dialetti cinesi.

• Distribuzione — Prism cloud, VPC o on-premises con BAA HIPAA e SOC 2 Type II su Enterprise; Qwen solo tramite Alibaba Cloud Model Studio.

La chiamata di cinque minuti, con prezzo

Supponiamo una chiamata di supporto in entrata di cinque minuti in cui l'operatore parla a una velocità di circa 1.000 caratteri al minuto — le FAQ sui prezzi di Rime usano quel rapporto per convertire tra il suo TTS fatturato a caratteri e il suo Prism fatturato a minuti, quindi è un comune denominatore equo. Sono 5.000 caratteri di parlato.

Su Prism la fattura è di cinque minuti a $0,080, ovvero $0,40. Alla tariffa Scale è $0,32. Diecimila chiamate di questo tipo costano rispettivamente $4.000 e $3.200.

Su una cascata costruita attorno a Qwen-Audio-3.0-TTS-Plus, i 5.000 caratteri costano 0,0965 $. Aggiungendo il riconoscimento vocale proprietario di Rime a 0,002 $ al minuto — cinque centesimi per la chiamata — e un modello di testo per il ragionamento. A un costo misto di 0,50 $ per milione di token e qualche migliaio di token per turno, si aggiunge ben meno di un centesimo. La cascata arriva vicino a 0,11 $ per chiamata, ovvero circa 1.100 $ su diecimila chiamate. Flash invece di Plus porta la linea di sintesi giù a circa 0,069 $ a Pechino, e il totale a circa 0,08 $.

Quindi la cascata costa circa un quarto del prezzo di Prism, e il divario va da 2.900 a 3.200 dollari ogni diecimila chiamate. Sono prezzi di listino e le ipotesi sono nostre, non di Rime; il punto è la forma del divario, non la terza cifra decimale.

Il componente centrale di quella cascata è anche l'unico che puoi spostare senza toccare gli altri due. OrcaRouter instrada i modelli testuali dietro un'unica API — oltre 200 modelli, prezzo di listino del provider passato con markup 0%, e failover automatico quando un provider peggiora a metà conversazione — così la fase di reasoning può essere reindirizzata verso un modello più economico o più potente tra una chiamata e l'altra. Il checkpoint testuale di Prism è testo ordinario per lo stesso motivo: qualunque cosa lo utilizzi, dal tool-calling alla summarizzazione post-chiamata fino alla valutazione QA, può risiedere su un endpoint instradato e restare indipendente dal livello vocale sottostante.

Dove la cascata vince ancora

I contact center multilingue, tanto per fare un esempio. Prism è solo in inglese al lancio, con un set vocale limitato. Qwen-Audio-3.0-TTS supporta 16 lingue e 20 dialetti cinesi — e il suo successore aggiunge il trasferimento del timbro tra lingue per mandarino, cantonese, inglese e giapponese. Se una quota significativa dei vostri chiamanti non parla inglese, questo confronto si ferma alla scheda tecnica.

La generazione one-shot è il secondo caso. Prompt IVR, notifiche in uscita, capitoli di audiolibri, dialoghi di gioco: nessuno di questi prevede che un chiamante risponda, quindi non c'è nulla che un modello speech-to-speech possa ascoltare. Pagare $0.080 al minuto per un modello in grado di ascoltare quando nessuno parla significa pagare per una metà inutilizzata.

Il volume è il terzo. A un quarto del costo per chiamata, una cascata lascia budget per le parti che differenziano davvero un agente — recupero migliore, un modello di ragionamento più forte, instradamento dell’escalation umana.

Dove Prism ha ancora la meglio

La telefonia in ingresso regolamentata è il caso per cui Prism è stato costruito. Una banca che deve poter mostrare ciò che il proprio agente stava per dire, e bloccarlo prima che un cliente lo ascolti, non può farlo con un modello realtime fuso e può solo approssimarlo con una cascata il cui stadio testuale è un servizio separato con la propria latenza e la propria modalità di guasto. Prism colloca il checkpoint all'interno del modello e continua ad ascoltare attraverso di esso.

Vince anche sulla metrica che decide se una chiamata sembra umana: il silenzio. Una cascata che è veloce sulla carta somma comunque l'endpointing, il tempo del modello fino al primo token e il tempo di sintesi fino al primo pacchetto, e una cascata che arriva sotto il secondo end-to-end fa già un buon lavoro. Prism misura 0,57 secondi dalla fine del turno del chiamante al primo audio della risposta, in un solo hop.

E vince sul fronte del deployment per gli acquirenti che non possono utilizzare affatto una regione cloud cinese: VPC, on-premises, un BAA HIPAA, SOC 2 Type II e fine-tuning sulle proprie registrazioni delle chiamate invece che su una base condivisa.

Il numero che nessuna delle due parti può darti

Nessuno dei due modelli ha il dato che un team di procurement vorrebbe soprattutto avere: un confronto diretto indipendente sullo stesso benchmark.

Prism non è presente nell'Indice Speech-to-Speech di Artificial Analysis. Il suo valore τ-Voice del 56,6% è un risultato ottenuto dal fornitore, e la tabella che Rime pubblica insieme a esso merita di essere letta attentamente: GPT-Live-1 (Sol, low) è riportato al 59,3%, superiore a Prism, mentre il testo circostante afferma che Prism è «davanti a ogni modello realtime di OpenAI e Google». I post di lancio citano anche «meno di 300 ms» e «4× più veloce di GPT-Live», valori che non compaiono nella tabella di benchmark, la quale indica 0,57 s. Misure diverse possono spiegare la differenza; la pagina non lo spiega.

Il punteggio di Qwen è quello più forte, perché 1.269 Elo proviene dai voti di ascoltatori in cieco anziché da Alibaba. Inoltre non è più il miglior punteggio della sua stessa famiglia: Qwen-Audio-3.1-TTS-Plus è terzo con 1.305 al 29 ottobre 2026, e le revisioni di artificial-analysis hanno spostato questa classifica più di una volta quest'anno, quindi i punteggi provenienti da snapshot diversi non dovrebbero mai essere sottratti l'uno dall'altro.

La cautela specifica per Rime va nella direzione opposta. Le uniche voci Rime classificate in modo indipendente sono i suoi modelli TTS, e nella stessa classifica Coda si colloca al 65° posto con Elo 1.054 e Mist V2 al 92° con 903 — la metà inferiore di 99. Prism potrebbe benissimo suonare meglio dei suoi modelli fratelli; nulla di pubblicato consente a un acquirente di confermarlo prima di firmare.

Cosa guardare

Tre cose cambierebbero la raccomandazione. La comparsa di Prism nello Speech-to-Speech Index gli darebbe il primo numero indipendente che abbia mai avuto. L'operatività full-duplex — Prism è half-duplex con barge-in al lancio — amplierebbe il divario rispetto a qualsiasi cascata che deve aspettare che il chiamante finisca. E l'uscita dalla beta delle API di fine-tuning self-serve è la differenza tra «le aziende possono fare fine-tuning» e «puoi fare fine-tuning martedì».

Dall'altro lato, guarda cosa fa Alibaba con il prezzo di Qwen-Audio-3.1-TTS dopo il taglio di circa il 70% applicato il 22 settembre 2026. Una cascata i cui passaggi intermedi e finali stanno entrambi diventando più economici è un bersaglio mobile, e la tariffa al minuto di Prism resta fissa rispetto a essa.

Per la maggior parte dei team la risposta onesta è entrambi, non l'uno o l'altro. Metti Prism davanti ai chiamanti in entrata le cui conversazioni richiedono un checkpoint e un budget di latenza a singolo hop. Metti Qwen-Audio-3.0-TTS — o, più realisticamente ora, Qwen-Audio-3.1-TTS — nei percorsi in uscita dove nessuno risponde e il costo è per carattere. L'errore è sceglierne uno perché lo diceva una tabella di benchmark, quando la tabella ha una nota a piè di pagina e la nota a piè di pagina fa la maggior parte del lavoro.