Fish Audio Drama 3 vs Breeze TTS 2: VRAM 수치로 끝나는 오픈 웨이트 비교

Fish Audio Drama 3와 Breeze TTS 2는 Artificial Analysis의 Provider Voice Arena에서 최상위 두 오픈 웨이트 텍스트 음성 변환 모델이며, Elo 차이가 50이고, 실제로 같은 배포를 두고 경쟁하는 것은 아닙니다. Drama 3은 48GB 카드 한 장을 필요로 하는 350억 파라미터 전문가 혼합(MoE) 모델입니다. BreezeBlue의 Breeze TTS 2는 PyTorch 추론 코드가 공개된 30억 파라미터 dense 모델입니다. 이러한 풋프린트 차이는 Elo 격차보다 더 많은 구매 관련 질문을 좌우합니다. 실행할 수 없는 모델은 평가할 수 있는 모델이 아니기 때문이며, 게다가 두 라이선스까지 서로 상반된 방향을 가리킵니다.

같은 라벨, 두 가지 다른 종류의 오픈 웨이트

두 항목 모두 보드에 가중치 링크를 표시하며, 둘 다 보도자료에서 공개(open)라고 설명될 것입니다. 어느 쪽도 오픈 소스가 아니며, 제한 사항의 형태도 같지 않습니다.

Breeze TTS 2의 가중치는 2026-08-25에 Hugging Face에 BreezeBlue/Breeze-TTS-2로, PyTorch 추론 코드와 함께 연구 및 비상업용 라이선스로 공개됐다. 이는 별도 합의 없이는 상업적 배포가 불가능하다는 확고한 제한이며, 이후로도 바뀌지 않았다. 회사는 2026-08-16과 2026-08-17에 이 모델을 인터랙티브 미디어용 실시간 음성 모델로 발표했고, 100만 자당 34달러의 호스팅 API를 개설했으며, 9일 뒤 가중치를 공개했다. BreezeBlue는 전 MiniMax 기술 공동창업자인 Yang Bin이 Yuanjing Capital과 Redpoint China가 주도한 600만 달러 규모의 시드 투자 라운드를 바탕으로 설립했다.

Fish Audio Drama 3는 Fish Audio Community License v1.0에 따라 배포되며, 대부분의 팀이 가장 중요하게 여기는 측면에서 실질적으로 더 관대합니다. 귀하와 귀하의 계열사의 연간 매출이 US$500,000 미만이면 상업적 사용은 무료이고, FAQ에서는 고객을 위해 완성된 오디오를 제작하는 것을 허용되는 것으로 취급합니다. 해당 기준을 초과하거나 Drama 3을 텍스트 음성 변환, 음성 복제 또는 추론 서비스로 호스팅하려면 Fish Audio로부터 라이선스를 받아야 합니다. 이 라이선스는 또한 동의 없이 실제 인물의 목소리를 복제하는 것을 금지합니다. 전신인 S2는 여전히 더 엄격한 Research License에 따라 제공되므로, 두 Fish Audio 세대를 하나의 법적 범주로 취급할 수 없습니다.

실용적으로 보면 이렇습니다: Breeze TTS 2는 실험하기에는 더 쉬운 모델이고 상업적으로 출시하기에는 더 어려운 모델이며, Drama 3는 그 반대입니다. 평가가 연구 데모나 내부 도구라면 Breeze의 라이선스는 문제가 되지 않고 3B 규모라서 실험 비용도 낮습니다. 평가가 제품으로 이어진다면 Fish Audio의 약관이 변호사가 별도 협상 없이 서명할 수 있는 조건입니다.

Breeze 모델 카드의 한 세부 사항은 이제 최신 정보가 아니므로 짚고 넘어갈 만합니다. 카드의 서론에는 여전히 해당 모델이 "Artificial Analysis TTS 리더보드에서 오픈 웨이트 모델 중 1위를 차지한다"고 적혀 있습니다. 이는 작성 당시에는 사실이었지만, 현재 리더보드에서 Breeze TTS 2는 제공자 음성 부문 13위, 통제 음성 부문 28위로, Fish Audio의 두 항목 모두에 뒤처져 있습니다. 모델 카드는 리더보드보다 더 빨리 낡기 때문에, 카드만 확인한 독자는 잘못된 순위를 알게 될 것입니다.

아레나 수치, 그리고 통제된 음성 격차가 더 큰 이유

2026-10-29에 Artificial Analysis에서 읽은 값:

• Provider Voice Arena — Fish Audio Drama 3는 6위, Elo 1,278, 보드 기록상 100만 자당 $15.00; Breeze TTS 2는 13위, 1,228, $34.00. 50점 격차이며, 그 사이 순위의 모델은 모두 폐쇄형 시스템입니다.

• 통제된 음성 아레나 — Fish Audio Drama 3가 1,085점으로 12위, Breeze TTS 2가 1,021점으로 28위. 64점 차이이며, 이 리더보드는 각 모델이 자사 공급사가 설계한 음성이 아닌 동일한 고정 참조 음성으로 평가받는 보드입니다.

• 격차가 벌어지는 방향 — 벤더 자체의 보이스 카탈로그를 비교에서 빼면 드라마 3의 우위는 14포인트 더 커집니다. 이것이 이번 대결에서 가장 유용한 단일 수치인데, Fish Audio의 우위가 기본 제공 보이스가 얼마나 좋게 들리는지에서 비롯된 것이 아님을 말해주기 때문입니다.

50 또는 64 Elo는 블라인드 선호도 테스트에서 실질적인 차이이며, 비교 대상에서 유일한 모델이 되었을 때도 유지되는 차이는 아닙니다. 둘 다 폐쇄형 프런티어에 크게 못 미칩니다. Eleven v4 Turbo는 제공사 보드에서 1,336으로 선두이고, HeyGen Voice는 통제 보드에서 1,193으로 선두입니다. 이 오픈 웨이트 두 모델이 제공하는 것은 프런티어가 아니라 자체 호스팅 가능한 하한선입니다.

각각 실제로 실행되려면 무엇이 필요한지

바로 이 지점에서 비교는 더 이상 추상적이지 않게 됩니다.

• Drama 3 — 총 파라미터 35B, 토큰당 활성 파라미터 약 3B, 256개 라우팅 전문가 중 8개에 공유 전문가 1개. 가중치는 샤드 세트 전체에 걸쳐 약 40GB이며 별도의 코덱 파일이 있고, FP8 추론에는 약 48GB의 VRAM이 필요합니다. Fish Audio는 CPU, Apple Silicon 또는 ROCm 경로를 문서화하지 않습니다. 단일 H200에서 벤더는 S2의 초당 177프레임에 대비해 초당 271프레임을 보고하며, 이는 희소 아키텍처의 이점입니다. 이 수치는 벤더가 보고한 것이며 Fish Audio 외부에서는 재현되지 않았습니다.

• Breeze TTS 2 — 3B dense 파라미터. BF16 체크포인트는 약 6GB이므로 24GB 카드에 무리 없이 들어가며, 양자화를 적용하면 더 작은 카드에서도 가능할 법합니다. 추론 코드는 암시된 것이 아니라 저장소에 포함되어 있습니다. 단일 스트림 수준의 공개된 지연 시간 수치는 없지만, 이 모델은 실시간 대화형 미디어를 위해 설계되고 판매되었으며, 이는 고충실도 내레이션과는 다른 요구 사항입니다.

• 토크나이저 — Drama 3은 S2의 Descript Audio Codec 구성을 그대로 유지합니다: 44.1 kHz, 코드북 10개, 초당 약 21.5프레임, 완전 인과적 방식입니다. Breeze TTS 2의 토크나이저는 제가 1차 자료에서 인용할 수 있는 대상이 아니며, 없는 것을 지어내 비교하는 것은 허위 정밀도가 됩니다.

그 결과는 직설적이다. 24GB 카드 네 장을 보유한 팀은 오늘 Breeze TTS 2를 구동할 수 있지만, Fish Audio가 문서화하지 않은 샤딩 기법 없이는 Drama 3를 구동할 수 없다. H200급 카드 한 장을 보유한 팀은 하드웨어에 맞는 모델과 Elo가 50 더 높은 모델 사이에서 선택하고 있다. 둘 중 어느 쪽도 틀린 답은 아니다. 그것들은 서로 다른 질문에 대한 답이다.

대량 사용 시 비용, Fish Audio가 실제로 청구하는 단위 기준

Fish Audio의 문서는 문자당이 아니라 UTF-8 바이트 100만 개당 가격을 책정하고 있는데, 이는 영어로 쓰지 않는 사람들의 계산 방식을 바꿔 놓습니다. 같은 문서에 따르면 UTF-8 바이트 100만 개는 약 18만 개의 영어 단어 또는 12시간 분량의 음성에 해당합니다. Drama 3은 100만 바이트당 $50.00 — 완성된 오디오 1시간당 약 $4.17 — 으로 책정되어 있으며, 2026-11-12 09:00 PT까지 출시 기념 요금 $10.00, 시간당 약 $0.83에 제공됩니다. Breeze TTS 2는 100만 문자당 $34.00이며, 같은 대략적 환산 기준으로 시간당 약 $2.83입니다.

따라서 구매하는 날에 따라 순위가 뒤집힙니다. 프로모션 기간에는 Drama 3의 시간당 비용이 Breeze TTS 2의 약 3분의 1입니다. 2026-11-12 이후에는 정가 기준 Drama 3이 시간당 Breeze보다 약 47% 더 비싼 반면, 아레나에서는 50~64 Elo 더 우수하고 발음도 실질적으로 더 좋습니다. 또한 CJK 또는 키릴 문자 텍스트의 경우 바이트 기반 과금은 Drama 3을 더 위로 끌어올립니다. 해당 요금표에서는 3바이트 문자의 비용이 영어 문자의 세 배인 반면, 문자당 과금 업체는 둘 다 동일하게 청구합니다.

동일한 문서에 있는 두 가지 과금 세부 사항은 예산 모델에 반영할 가치가 있습니다. 둘 다 실제 지출을 조용히 부풀리기 때문입니다. 속도 제한은 초당 요청 수가 아니라 동시 요청 수를 기준으로 합니다. 스타터 티어에서는 동시 5개, $100 이상 결제 시 15개, $1,000 이상 결제 시 50개이며, 한도를 초과한 요청은 retry-after 헤더 없이 429를 반환하므로, 순진하게 구현한 병렬 렌더러는 자체적인 백오프를 구현해야 합니다. 그리고 존재하지 않거나 정확히 일치하지 않는 모델 ID를 지정한 요청은 기본 모델로 처리되어 과금되는데, TTS 쪽에서는 프로모션 기간에 Drama 3 헤더의 철자를 틀리면 할인 대신 S2.1 Pro의 요율로 청구될 수 있습니다.

둘 모두를 하나의 파이프라인으로 통합하기

Fish Audio Drama 3도 Breeze TTS 2도 OrcaRouter에 있는 모델이 아니다. 각각은 해당 공급업체의 자체 API를 통해, Fish Audio의 경우에는 타사 플랫폼을 통해서도 접근한다. 이 섹션을 정직하게 작성한다면, 우리에게 없는 경로를 암시하는 대신 그 사실을 그대로 밝힌다.

오케스트레이션 계층은 별개의 문제이며, 두 모델로 나누는 방식이 진가를 발휘하는 지점입니다. 내레이션에 Drama 3를, 실시간 UI 프롬프트에 Breeze TTS 2를 사용하려는 작은 스튜디오는 하나의 마감 일정에 두 개의 SDK, 두 개의 요금표, 두 가지 장애 유형을 감당해야 합니다. 나머지 스택을 마크업 없는 공급자 정가의 단일 엔드포인트로 라우팅하고, 업스트림 간 자동 장애 조치를 적용하면 TTS 공급업체 선택은 두 번째 계약이 아니라 설정의 한 줄이 되며, 라우팅 DSL은 모델 호출과 오디오 단계를 애플리케이션 코드에서 억지로 결합하는 대신 함께 구성할 수 있습니다.

오늘 둘 중 하나를 고르는데 하드웨어를 이미 구매했다면, 결정은 사실상 정해진 것이나 다름없습니다: 48GB의 VRAM은 6GB와 예산 항목이 다르고, Breeze의 연구 전용 라이선스는 Drama 3의 매출 상한이 있는 커뮤니티 라이선스와 법적 검토가 다릅니다. 오픈 웨이트 부문에서 품질을 기준으로 하나를 고른다면, 두 아레나와 발음 모두에서 답은 Drama 3이며, 가격 논거는 앞으로 2주 동안만 유효합니다.