AssemblyAI-TTS-1 vs Breeze TTS 2: Elo 점 1점 차이, 87점 차이

올려놓으면AssemblyAI-TTS-1과 Breeze TTS 2 둘은 구별할 수 없습니다. 1,227 대 1,228, Elo 점수 한 점, 사다리에서 한 계단 차이입니다. 모든 모델이 동일한 8개의 복제 음성으로 말하는 Controlled Voice 보드에 올려놓으면 격차는 87점으로 벌어집니다. 1,108 대 1,021, AssemblyAI는 10위, Breeze는 28위입니다. 두 수치 모두 실제이며, 둘 다 2026년 10월 30일에 확인된 수치이고, 그 사이의 거리가 바로 이 비교의 전체 논점입니다. 이 모델들 중 하나는 평범한 음향 모델을 강력한 음성 카탈로그로 감싸고 있습니다. 다른 하나는 이 카테고리에서 가장 저렴한 문자당 가격으로 강력한 음향 모델을 감싸고 있습니다.

다음 내용은 분석으로 포장한 동전 던지기가 아니다. 두 제품은 서로 다른 구매자를 겨냥한다. AssemblyAI-TTS-1은 음성 인식 회사가 자기 귀에 입을 하나 더한 호스팅 API로, 독점 방식이며 100만 자당 15달러, 6개 언어, 무제한 동시 처리를 지원한다. Breeze TTS 2는 15명 규모 스타트업 BreezeBlue의 30억 매개변수 오픈 가중치 모델로, 호스팅 엔드포인트는 100만 자당 34달러이고 가중치 라이선스는 상업적 자체 호스팅을 금지한다. 점수는 흥미로울 만큼 가깝고, 상업 모델들은 그야말로 극명하게 다르다.

그것의 나머지보다 앞서 두 개의 숫자

Artificial Analysis는 블라인드 청취 테스트를 계속 갱신되는 방식으로 진행하며, 모델이 바뀌면서 리더보드도 함께 움직인다. Breeze TTS 2는 8월에 1,215 Elo로 종합 6위에 데뷔했고, 당시 오픈 웨이트 부문 최상위 엔트리로 보고되었다. 두 달과 열두 번의 출시가 지난 뒤 이 모델은 1,228점, 13위로 집계된다. 점수는 더 높지만 순위는 더 나빠진 것인데, 그 위로 경쟁 모델들이 채워졌기 때문이다. AssemblyAI-TTS-1은 10월 27일 1,227점으로 12위에 등장했고, 이틀 뒤에는 동일한 점수로 14위로 기록되었다. 출시 게시물에 나온 순위를 날짜 없이 인용하는 사람은 시효가 지난 사실을 인용하는 셈이다.

• 제공자 음성(네이티브 음성) — AssemblyAI-TTS-1 1,227, 14위; Breeze TTS 2 1,228, 13위

• 제어된 음성(8개의 공유 복제 음성) — AssemblyAI-TTS-1 1,108, 10위; Breeze TTS 2 1,021, 28위

• 백만 문자당 가격 — $15 vs $34

• 보이스 — 4,000개 이상의 라이브러리 보이스와 즉석 복제 대 텍스트 설명으로 설계된 보이스, 그리고 15,000개 보이스 동반 라이브러리

• 가중치 — 없음, API 전용 vs 다운로드 가능하지만 연구/비상업적 용도에만 한정

• 언어 — 출시 시 6개 vs 50개라고 주장, 모델 카드에는 영어와 중국어로 태그됨

• 처리량 — 초당 162자 대 약 45자

통제된 아레나 분할 방식은 꼭 체화해야 합니다. 이 비교에서 한 변수를 일정하게 유지하는 유일한 측정이기 때문입니다. Provider Voice는 각 모델이 자체 음성을 고르게 하므로, 15,000개의 수작업 설계 캐릭터를 보유한 모델이 음향이 아니라 캐스팅에서 이길 수 있습니다. Controlled Voice는 이를 제거합니다. Breeze는 자체 음성이 배제되면 Elo 207점을 잃고, AssemblyAI는 119점을 잃습니다. 음성이 고정되면 Breeze는 논외입니다 — 28위 — AssemblyAI는 여전히 상위 10위 안입니다.

블라인드 청취 동점은 왜 신기루인가

제공업체 순위표는 각 모델이 자신의 최고 목소리를 내세울 수 있는 인기 경쟁이며, Breeze는 그런 목소리를 많이 제공합니다. BreezeBlue의 제안은 음성 설계입니다. 자연어로 캐릭터를 묘사하면 모델이 이에 맞는 음색을 합성하고, 이어서 음성 지시가 전달 방식과 정체성을 분리하므로 화자가 알아볼 수 있는 동일 인물로 유지되면서 "조용한" 또는 "빠른" 전달을 요청할 수 있습니다. 함께 제공되는 Voice Galaxy 라이브러리에는 15,000개 이상의 캐릭터 음성이 있습니다. 이는 블라인드 선호도 테스트에서 이기는 유형의 카탈로그이며, 동시에 어느 모델에든 참조 클립을 주고 그 목소리로 말하게 하면 무슨 일이 일어나는지에 대해 아무것도 알려주지 않는 유형의 카탈로그이기도 합니다.

두 모델 모두에 복제된 목소리를 주면 상황이 뒤집힌다. 통제된 아레나가 하는 일이 바로 이것이며, 여기서 업체 자체 수치가 독립 수치와 일치한다. Breeze는 자사 클론에 대해 화자 유사도 0.67을 보고하고, AssemblyAI는 0.64를 보고한다. 어느 쪽도 인상적이지 않으며, 둘 사이의 차이는 노이즈 범위 안에 있다. 노이즈 범위 안에 있지 않은 것은 같은 보드에서의 87포인트 Elo 격차다. 제품에 스스로 설계한 차별화된 목소리가 필요하다면, Breeze의 설계 도구가 바로 중요한 기능이며, 통제된 아레나에서의 약점이 바로 위험이다 — 모델은 자기가 만든 목소리를 캐스팅할 수 있지만, 당신이 만든 목소리를 유지하는 데는 덜 안정적이다.

가격이 실제로 무엇을 사는가

정가 기준 $15 대 $34는 2.3배 격차이며, 이 격차는 과금 방식에 따라 커지거나 줄어듭니다. AssemblyAI는 공백과 구두점을 포함한 입력 문자당 요금을 부과하고, 모든 라이브러리 음성, 모든 지원 언어, 즉시 클로닝, 단어 타임스탬프, 미국 또는 EU 처리를 단일 요금으로 제공하며, 종량제에서는 동시 처리 한도가 없습니다. Breeze의 호스팅 엔드포인트는 동일한 문자 기준으로 100만 문자당 $34이며, 무료 가중치는 상업적 사용자에게 이를 바꿔주지 않습니다 — 라이선스는 가중치 자체뿐 아니라 자체 호스팅 출력물에도 적용됩니다.

실제 대본으로 계산해 보면, 평상시 말하기 속도에서 완성된 오디오 1시간당 격차는 약 1달러입니다. 표준 추정치인 초당 15자 기준으로 AssemblyAI는 약 81센트, Breeze는 약 1.84달러입니다. 한 달에 에이전트 음성 10만 시간을 생성하는 회사라면 이는 81,000달러와 184,000달러의 차이이며, 사용하지 않을 수도 있는 음성 설계 도구와 실행에 옮기지 못할 수도 있는 오픈 웨이트 이야기에 대해 지불하는 차이입니다.

라이선스는 갈림길이며, 그것은 Breeze에게 잘못된 방향을 가리킨다.

오픈 가중치는 보통 이런 비교를 끝내는 논거입니다. 내려받아서 자체 하드웨어에서 실행하면 글자당 비용을 더 이상 지불하지 않아도 된다는 식이죠. 하지만 그 논거는 Breeze TTS 2의 라이선스를 마주하는 순간 힘을 잃습니다. 추론 코드는 Apache 2.0이지만, 가중치와 자체 호스팅 배포에서 나오는 모든 출력물은 파생물, LoRAs, 병합, 양자화까지 포괄하는 연구 및 비상업적 라이선스의 적용을 받습니다. 상업적 자체 호스팅에는 BreezeBlue의 승인이 필요합니다. 실제로는 호스팅 API가 상업적 경로이므로, 오픈 가중치 배지가 주는 것은 검토, 실험, 그리고 협상을 거쳐야 하는 탈출구이지, 더 저렴한 프로덕션 경로는 아닙니다.

AssemblyAI-TTS-1과 비교해 보세요. 이는 가중치를 전혀 제공하지 않으며 개방성이라는 허울도 없습니다. 공개된 요금표와 데이터 상주 위치 선택 옵션을 갖춘 호스팅 서비스입니다. 두 서비스 중 하나를 결정해야 하는 구매자에게 질문은 "개방형이냐 비공개형이냐"가 아니라 "연구 라이선스에 서명하고 3B 모델을 직접 운영할 권리를 두고 협상할 것인가, 아니면 예측 가능한 문자당 청구서를 받을 것인가?"입니다. 3B 크기는 정말로 실용적입니다 — eager 구성에서 약 7.7 GiB의 VRAM, 명시된 최소 사양으로 12GB GPU, H100에서 실시간 계수 0.32로, BreezeBlue가 측정한 하드웨어에서 실시간보다 대략 세 배 빠릅니다. 이 카테고리에서 신뢰할 수 있는 가장 작은 자체 호스팅입니다. 다만 대부분의 기업이 합법적으로 사용할 수 있는 자체 호스팅은 아닙니다.

Elo 보드가 측정하지 않는 것

처리량은 AssemblyAI의 우위가 단순한 반올림 오차 수준을 벗어나는 지점이다. Artificial Analysis는 AssemblyAI-TTS-1의 초당 162자를 기록했고, Breeze TTS 2는 약 45자였으므로 모델이 텍스트를 오디오로 바꾸는 속도에서 3.6배 차이가 난다. 배치 작업에서는 이 차이가 대기열 길이의 차이이고, 라이브 에이전트에서는 빠른 말하기 속도를 따라갈 수 있는 모델과 그렇지 못한 모델의 차이다. 이에 대한 Breeze의 대응은 스트리밍 경로이며, Breeze는 첫 오디오까지 걸리는 시간이 40ms 미만이라고 말한다. 독립 측정에서는 첫 바이트까지의 시간 p50이 약 119ms, 첫 오디오까지의 시간이 약 134ms였고, 95번째 백분위수는 약 163ms였다. AssemblyAI의 비교 가능한 독립 수치는 더 빈약하다. 한 실험실에서는 스트리밍 지연 시간 중앙값이 159ms였다. 따라서 두 지연 시간 관련 설명은 어느 공급업체의 헤드라인 수치가 시사하는 것보다 서로 더 가깝다고 보는 것이 좋다.

난이도 높은 문자열 정확도에서는 격차가 결코 작지 않습니다. AssemblyAI의 공급업체 평가에서는 전화번호, URL, 코드, 약물 이름에 대한 엔터티 정확도가 93.7%로, Cartesia Sonic 3.6의 82.5%, ElevenLabs Flash v2.5의 68.0%와 비교됩니다 — 해당 표에는 Breeze 수치가 없습니다. Breeze는 이에 상응하는 수치를 공개한 적이 없으며, 모델 카드에서도 그런 수치를 주장하지 않습니다. 에이전트가 주문 번호를 확인하거나, 이메일 주소를 다시 읽어 주거나, 확인 코드를 하나씩 불러 준다면, 이는 Breeze 쪽에서는 측정되지 않은 위험이고 AssemblyAI 쪽에서는 해당 벤더가 가장 잘 문서화한 강점입니다.

Breeze가 단순히 더 나은 도구인 경우

위의 어느 것도 Breeze를 나쁜 모델로 만들지 않는다. 그것은 Breeze를 전문가로 만든다. 제품이 40명의 캐릭터가 등장하는 게임이거나, 내러티브 오디오 앱이거나, 또는 드롭다운에서 고른 목소리가 아니라 프롬프트에 묘사된 특정 인물처럼 들려야 하는 컴패니언이라면, Breeze의 설계·연출 파이프라인은 AssemblyAI가 어떤 형태로도 갖지 못한 역량이다. AssemblyAI의 4,000개 목소리는 선택하는 라이브러리이지만, Breeze의 목소리는 당신이 창작하는 것이다. 대본에 웃음, 한숨, 호흡 같은 인라인 보컬 이벤트를 추가하면, 공지용이 아니라 공연용 도구가 된다. 50개 언어 지원이라는 주장도 AssemblyAI의 6개 언어를 크게 앞서지만, 모델 카드 자체의 태그는 영어와 중국어에서 멈추고, 더 넓은 목록을 독립적으로 검증한 사람은 아무도 없다.

반론은 계속 되돌아오는 바로 그것이다. 초당 45자는 느리고, 통제된 음성에서 1,021 Elo는 평범하며, 라이선스는 오픈 웨이트를 원하는 명백한 이유를 막는다. Breeze TTS 2는 상용화 진입로를 갖춘 연구 산출물이다. AssemblyAI-TTS-1은 연구 스토리가 없는 상용 제품이다. 그 문장들 중 어느 것이 당신의 문제를 설명하는지에 따라 선택하라.

둘 다 필요할 것으로 예상되면

대부분의 음성 에이전트 팀은 원해서라기보다 품질, 언어 지원 범위, 가격이 하나의 모델에서 모두 만족되기란 드물기 때문에 TTS 공급업체 두 곳을 사용하게 됩니다. AssemblyAI-TTS-1과 Breeze TTS 2 모두 현재 OrcaRouter 카탈로그에 없으므로 이 글은 어느 쪽을 추천하려는 것도 아닙니다. 솔직한 조언은 첫 번째 공급업체에 장애가 발생하기 전에 두 번째 공급업체를 연결해 두라는 것입니다. 자동 장애 조치가 존재하는 이유가 바로 그 경우이며, 이는 공급업체의 프롬프트 세트가 아니라 자체 트래픽을 기준으로 두 TTS 모델을 A/B 테스트하는 가장 저렴한 방법이기도 합니다. 두 개의 계약과 두 개의 SDK 통합 대신 하나의 키, 하나의 라우팅 규칙, 그리고 선택한 트래픽 분할만 있으면 됩니다.

우리는 200개 이상의 모델을 하나의 API 뒤에 라우팅하며 0% 마크업으로 제공하고, 제공업체의 정가를 변경 없이 그대로 전달합니다. 이 점이 여기서 중요한 이유는 TTS 가격이 매월 변동하기 때문입니다: AssemblyAI는 $15로 진입했고, Cartesia는 $49에 있으며, 이들의 순위를 매기는 순위표는 몇 주마다 재편됩니다. 우리가 실제로 제공하는 TTS 레그는 OpenAI의 tts-1, tts-1-hd 및 gpt-4o-mini-tts와 Google의 Gemini 3.1 Flash TTS Preview입니다 — 제품에 실제로 필요한 것이 $15 요금인지 음성 디자인 툴킷인지 결정하는 동안 두 번째 레그로 사용할 수 있습니다.

분명하게 밝힌 결정

대량 처리 환경에서 주로 영어에 5개 언어를 더해 지원하며 숫자를 확인하고 구조화된 데이터를 소리 내어 읽는 에이전트를 구축 중이고, 162자/초 처리량 우위와 무제한 동시성, 예측 가능한 요금표가 가장 아름다운 목소리보다 더 중요하다면 AssemblyAI-TTS-1을 선택하세요. 목소리 자체가 제품이고, 캐릭터를 설계하고 전달 방식을 감독하며 대본 전체에서 일관된 연기를 유지해야 하며, 비상업적 가중치 라이선스와 대략 초당 45자, 평가 보드 하위 1/3에 위치한 통제된 음성 점수를 감수할 수 있다면 Breeze TTS 2를 선택하세요.

꼭 기억해 둘 점은 이 둘이 사실은 라이벌이 아니라는 것이다. 이들은 캐스팅을 보상하는 보드에서는 동점을 이루고, 음향을 보상하는 보드에서는 날카롭게 갈린다. 그리고 동점 항목에서 더 약해 보이는 모델이, 나머지 모든 조건을 동일하게 고정한 측정에서는 승리하는 쪽이다. 그다음, Elo 논거가 검토될 기회를 얻기 전에 가격과 라이선싱이 대부분의 상업적 구매자에게 결론을 내려 준다.