Simba 3.5 conquista il primo posto nella Voice Arena con due punti Elo di vantaggio, il che non è la stessa cosa che vincere

SpeechifyAI Simba 3.5 è ora primo nell'arena Controlled Voice di Artificial Analysis con un Elo di 1.192, e il margine su HeyGen Voice a 1.190 è di due punti su una classifica il cui intervallo di confidenza in cima è di più o meno 17. Terzo è Alibaba Qwen-Audio-3.1-TTS-Plus a 1.176. Leggi la classifica come un'immagine e Simba 3.5 ha la corona; leggine l'intervallo e quattro modelli sono a pari merito per averla. Entrambe le letture sono corrette, e quale delle due conti dipende da se stai scrivendo un titolo o scegliendo un fornitore.

La notizia più utile su questo modello non è la posizione in classifica. Simba 3.5 è stato lanciato il 21 ottobre 2026 e, nelle tre settimane e mezza successive, Speechify ha ridotto il prezzo di listino, pubblicato l’elenco delle lingue e fissato una data — il 21 novembre — a partire dalla quale due ID di modelli legacy inizieranno a essere serviti tramite esso. La posizione nell’arena è la parte che tutti citeranno. Le date sono la parte che cambia una fattura.

Quello che il consiglio dice davvero, in numeri che puoi verificare

Artificial Analysis gestisce due arene vocali e misurano cose diverse. Controlled Voice clona le stesse otto voci di riferimento — quattro americane, quattro britanniche — per ogni partecipante, così il parlante resta costante e cambia solo la sintesi. Provider Voice consente a ciascun fornitore di usare il proprio cast di voci. Un modello con voci predefinite eccellenti può vincere la seconda e perdere la prima. Attualmente Simba 3.5 fa l'opposto.

• Voce controllata — SpeechifyAI Simba 3.5, posizione 1, Elo 1.192, più o meno 17, intervallo da 1.175 a 1.209, 1.783 campioni, rilasciata a novembre 2026

• Voce controllata — HeyGen Voice, posizione 2, Elo 1.190, più o meno 13, intervallo da 1.177 a 1.203, 2.626 campioni, indicata a $30,00 per milione di caratteri

• Voce controllata — Alibaba Qwen-Audio-3.1-TTS-Plus, posizione 3, Elo 1.176, più o meno 12, intervallo da 1.164 a 1.188, 2.968 campioni

Voce controllata — HeyGen Voice Turbo, posizione 4, Elo 1.174, più o meno 15, indicato a 4,00 $ per milione di caratteri

• Voce controllata — ElevenLabs Eleven v4, posizione 7, Elo 1.155, più o meno 12, indicato a 80,00 $ per milione di caratteri

Voce controllata — SpeechifyAI Simba 3.2, posizione 14, Elo 1.082, più o meno 12, rilasciato a luglio 2026

• Voce del provider — SpeechifyAI Simba 3.5, posizione 5, Elo 1.294, più o meno 17, intervallo da 1.277 a 1.311, 1.732 campioni

• Voce del provider — ElevenLabs Eleven v4, posizione 1, Elo 1.340, più o meno 15

Seguono immediatamente due cose. La prima è che l’ordinamento Controlled Voice in cima non è risolto: l’intervallo di Simba 3.5 va da 1.175 a 1.209, quello di HeyGen Voice va da 1.177 a 1.203, e Qwen-Audio-3.1-TTS-Plus si colloca tra 1.164 e 1.188. Questi tre intervalli si sovrappongono quasi completamente. La colonna dell’intervallo di posizione dice la stessa cosa con meno caratteri: Simba 3.5 è indicato come occupante le posizioni da 1 a 3, non solo la posizione 1.

Il secondo è che non si tratta di un caso fortuito dovuto a una concorrenza debole. Simba 3.5 è 110 punti Elo sopra il proprio predecessore, SpeechifyAI Simba 3.2, a 1.082, e questo divario è più ampio dell'intervallo di ciascuno dei due modelli. Il salto generazionale è reale anche se il vantaggio sulla concorrenza non è ancora consolidato.

Perché la parte superiore di questa particolare scheda è compressa

Elo è una scala relativa, e questa classifica è ancorata a 1.000 da OpenAudio S1, una voce di riferimento fissa che non si muove mai. Tutto il resto viene posizionato rispetto a essa tramite voti a coppie in cieco. Questa costruzione ha una conseguenza che molti non notano: man mano che il gruppo migliora, la parte alta non si allarga, si affolla. La distanza dal rango 1 al rango 14 su questa classifica è di 110 punti. La distanza dal rango 27 (SpeechifyAI Simba 3.0 a 1.035) al rango 51 (OpenVoice v2 a 823) è di 212.

Quando un centinaio di modelli viene giudicato sulle stesse otto voci clonate da ascoltatori che non possono vedere le etichette, le differenze che sopravvivono sono piccole e il rumore attorno a esse è grande. Un vantaggio di due punti su una classifica come questa è un dato reale su un modello reale — e non è una decisione di prodotto. Chiunque debba prendere una decisione deve aggiungere le cose che Elo non misura: quanto costa il modello, quali lingue parla, quanto rapidamente arriva il primo audio e se la forma dell'API si adatta al codice già scritto.

Il prezzo si è mosso due volte in tre settimane

Questa è la parte della storia di Simba 3.5 che è davvero recente, ed è del tutto assente dalla copertura del lancio scritta a ottobre. Speechify ha pubblicato il modello a 20, 16 e 12 dollari per milione di caratteri rispettivamente per Starter, Pro e Scale. Il 9 novembre ha ridotto il listino a 15, 12 e 10 dollari. L'offerta di lancio non è cambiata: fino al 21 novembre 2026, Simba 3.5 viene fatturato alle tariffe di Simba 3.0 e Simba 3.2 — 10, 8 e 6 dollari — e dal 22 novembre viene fatturato al nuovo prezzo di listino anziché a quello vecchio.

Fatti i conti sulle quote che Speechify pubblica per i suoi piani, un mese Pro da 9 milioni di caratteri costa 72 dollari al prezzo dell'offerta e 108 dollari a listino. Un mese Scale da 46,8 milioni di caratteri costa 280,80 dollari al prezzo dell'offerta e 468 dollari a listino. È la riduzione del 9 novembre a impedire che il secondo importo sia di 561,60 dollari, cioè quanto avrebbe fatto pagare il listino di lancio originale.

Un numero nella classifica deve essere corretto prima che qualcuno vi basi il proprio budget. Artificial Analysis indica Simba 3.5 a 6,58 $ per milione di caratteri — la stessa cifra che mostra per Simba 3.2 e Simba 3.0. Si tratta di una tariffa incorporata nel piano, non del listino pubblicato di Speechify, e non corrisponde all'intervallo da 10 a 15 $ nel changelog del fornitore stesso. Se stai modellando la spesa, usa la tabella dei livelli del fornitore; la colonna dei prezzi della classifica è utile per la graduatoria, non per una previsione.

Cosa cambia il 21 novembre

I due ID modello di Speechify Simba 1.6, simba-english e simba-multilingual, non sono più selezionabili a partire dalla versione API 2026-09-21: un nuovo workspace che invia l'uno o l'altro riceve un 400 model_retired. Il 21 novembre arriva la seconda metà di questo ritiro: su ogni versione API che può ancora nominare i vecchi ID, entrambi vengono serviti da Simba 3.5, in ogni lingua, e fatturati come simba-3.5.

La lettura pratica è che un insieme di integrazioni che non sono state toccate da settembre cambierà voce e cambierà prezzo lo stesso giorno, senza modifiche al codice e senza alcun avviso oltre a questo changelog. Nulla si rompe. L'audio è diverso, e la fattura è denominata in un modello diverso. Chiunque esegua simba-multilingual in produzione dovrebbe testare simba-3.5 sui propri contenuti prima di quella data, perché l'alternativa è scoprire il cambiamento da un ticket di supporto.

I numeri di Speechify stesso, etichettati come tali

Tutto in questa sezione è riportato dal fornitore e non è stato riprodotto da nessuno al di fuori di Speechify. Vale la pena leggerlo, ma non è lo stesso tipo di prova delle cifre dell'arena sopra.

• Preferenza — 63% nei confronti ciechi affiancati rispetto a Simba 3.2, con un intervallo di confidenza dichiarato del 95% tra il 60% e il 67%, per tutti i tipi di contenuto

• Latenza — 72 millisecondi al primo audio nel 95° percentile delle richieste in streaming, con carico di produzione

• Throughput — 1,8 volte Simba 3.2 per istanza di serving e, in media, 1,4 volte Simba 3.0 Multilingual

• Copertura — 48 lingue con un unico ID modello, rispetto a sei per Simba 3.0, con estone e cantonese esplicitamente esclusi

• Riportati invariati: ID voce, formati di output, speech marks e il sottoinsieme SSML effettivamente applicato: break, prosody rate, prosody pitch, prosody volume e sub alias

La cifra del 63% è quella da prendere con cautela. La preferenza espressa in cieco rispetto alla propria generazione precedente è il confronto più semplice che un fornitore di tecnologie vocali possa eseguire e quello meno adatto a prevedere una vittoria contro il modello di un'altra azienda — che è esattamente ciò che misura l'arena qui sopra, e dove il risultato è un vantaggio di due punti anziché del 63%.

Cosa significa se stai effettivamente acquistando sintesi

Il ranking nell'Arena è un input, non un ordine d'acquisto. Il caso di Simba 3.5 al momento poggia su tre elementi insolitamente validi se combinati: una posizione di qualità in vetta alla classifica, 48 lingue sotto un unico id e un prezzo nella fascia tra $10 e $15 a cui la maggior parte dei modelli che lo precedono su Provider Voice non si avvicina. ElevenLabs Eleven v4 è a $80. HeyGen Voice è a $30. I modelli che battono Simba 3.5 sul prezzo — HeyGen Voice Turbo a $4,00 — si collocano 18 punti Elo più in basso nella stessa classifica controllata.

OrcaRouter non commercializza la linea Simba, e nulla di quanto segue deve essere interpretato come un'affermazione che lo faccia. Ciò che il nostro catalogo offre è un piccolo insieme di modelli di sintesi che costituiscono un utile gruppo di controllo quando si valuta un passaggio: openai/tts-1 a $15.00 per milione di caratteri e openai/tts-1-hd a $30.00, entrambi elencati al prezzo di listino del fornitore senza alcun ricarico aggiunto. Eseguire il proprio script su questi modelli e su Simba 3.5 tramite l'API del fornitore stesso è un esperimento di due ore che ti dirà di più sui tuoi contenuti di qualsiasi colonna Elo.

Se la valutazione si trasforma in una decisione di produzione, l'argomento a favore di inserirla dietro un router non è la qualità, bensì il calendario. Simba 3.5 ha cambiato prezzo una volta in tre settimane, ha una migrazione dei model-id in arrivo il 21 novembre e si trova in un'arena in cui i primi quattro sono statisticamente alla pari. Il failover automatico fa sì che una modifica lato provider diventi un evento di routing anziché un'interruzione del servizio, e una singola chiave condivisa tra fornitori significa che il confronto eseguito a novembre non deve essere ricostruito da zero quando uno di essi cambia prezzo a dicembre.

Cosa guardare da qui

Tre cose chiariranno la questione più in fretta di un altro giro di post di lancio. La prima è il numero di campioni: Simba 3.5 ha 1.783 campioni di Controlled Voice contro i 2.626 di HeyGen Voice, e il suo intervallo si restringerà man mano che i voti si accumulano. Se il vantaggio di due punti è reale, dovrebbe resistere; in caso contrario, l'intervallo di classifica tornerà a scivolare verso 1-3 e lì resterà.

Il secondo riguarda ciò che fa Speechify dopo il 22 novembre, quando termina il prezzo di lancio e subentra il listino da $15, $12, $10. Un livello di qualità che costa il 50% in più rispetto al suo predecessore è una decisione di prodotto diversa da quella di un livello che costa lo stesso per una finestra promozionale.

Il terzo è il divario Provider Voice. Simba 3.5 è quinto lì con 1.294, mentre ElevenLabs Eleven v4 è in testa con 1.340 — un deficit di 46 punti che non compare nella classifica controllata, dove Simba 3.5 è avanti di 37 punti. Questa divergenza è il fatto irrisolto più interessante di questo modello, ed è oggetto di un confronto a sé anziché di una nota a piè di pagina qui.