Fish Audio Drama 3 vs Eleven v4: 한 모델은 선호도 투표에서 승리하고, 다른 모델은 단어에서 승리한다

ElevenLabs Eleven v4와 Fish Audio Drama 3은 텍스트-음성 변환 점수가 무엇을 위한 것인지에 대해 견해를 달리한다. Artificial Analysis의 Provider Voice Arena에서 Eleven v4는 Elo 1,334로 2위, Drama 3은 1,278로 6위다. 두 제품 모두 동일한 참조 음성에 대해 평가되는 Controlled Voice Arena에서는 Eleven v4가 1,156으로 4위, Drama 3이 1,085로 12위다. 이는 56점과 71점 차이로, 둘 다 잡음 범위를 충분히 벗어나며, 둘 다 같은 것을 말해 준다: 청취자들은 Eleven v4를 더 선호한다. 그런 다음 같은 연구소가 인간 평가자에게 문장 속 각 까다로운 단어가 실제로 올바르게 발음되었는지 묻자, Drama 3은 93.2%를, Eleven v4는 91.7%를 기록했으며, 두 제품은 브랜드명, 수치, 부품 코드가 온전하게 출력되는지를 결정하는 범주의 양 극단에 놓인다. 선호도 격차는 실제이며 발음 격차도 실제이고, 어떤 단일 수치로도 이 둘을 조화시킬 수 없다.

닫히지 않는 격차, 그리고 닫히는 격차

Eleven v4가 잃지 않은 것부터 시작하자. Eleven v4는 2026년 9월 28일, Fish Audio의 모델이 출시된 지 4주 후에 정식 출시되었으며, 그 이후 모든 순위표 업데이트에서 상위 두 개의 제공업체 음성 자리를 지켜왔다. 현재 Drama 3와의 격차는 제공업체 음성에서 56 Elo, 통제 음성에서 71 Elo이며, 통제 음성 순위표가 더 어려운 테스트인데, 이는 각 벤더 자체의 음성 카탈로그를 비교에서 제외하기 때문이다. Drama 3가 오픈 웨이트 모델들 사이에서 보이는 선두가 무엇을 의미하든, 그것이 블라인드 청취자에게 Drama 3가 Eleven v4보다 더 좋게 들린다는 뜻은 아니며, 그렇지 않다고 암시하는 비교는 무언가를 팔고 있는 것이다.

Drama 3의 강점은 Artificial Analysis의 English Pronunciation Robustness 벤치마크에 대한 카테고리별 세부 분석으로, 여기서 31개 모델이 평가되며 최상위는 공유됩니다:

• 전체 — Drama 3 93.2%, Ming-3.0-tts와 공동 1위; Eleven v4 91.7%; Eleven v4 Turbo 90.1%.

• 독립형 용어(브랜드, 장소, 기술 명칭) — Drama 3 95.9%, 보드에서 1위; Eleven v4는 그 아래.

• 축약형(숫자, 날짜, 단위, 표기) 확장 — Eleven v4 94.1%, 1위; Drama 3 93.6%, 2위.

• 정확한 시퀀스(코드, 경로, 이메일) 보존 — Drama 3 86.3%, Ming-3.0-tts의 90.6%에 이어 2위; Eleven v4 78.8%로, 이 범주는 다른 범주보다 크게 뒤처지는 가장 약한 부문입니다.

• 문맥상 적절함 — Drama 3 95.3%; Google Gemini 3.8 Flash TTS가 98.0%로 전체 선두를 차지합니다.

이 패턴은 사용할 만합니다. 스크립트가 대부분 산문이고 숫자가 몇 개뿐이라면 Eleven v4의 축약형 처리 방식이 더 낫고 전체 차이는 2점 미만입니다. 스크립트에 SKU, 케이스 번호, URL, 부품 코드 또는 이메일 주소가 포함되어 이를 소리 내어 읽어야 한다면, Eleven v4는 바로 그 범주에서 상위 그룹 중 가장 약한 모델입니다 — 78.8%는 대략 다섯 번 중 한 번은 정확한 시퀀스가 잘못 돌아온다는 뜻입니다 — 그리고 Drama 3의 86.3%도 여전히 완벽하지는 않지만, 이는 티켓 번호를 한 번만 읽는 지원 에이전트와 두 번 읽는 지원 에이전트의 차이입니다.

같은 방향을 위한 두 가지 구문

두 모델 모두 스크립트에 성능을 기록할 수 있게 해 주며, 표기법도 충분히 비슷해서 팀이 한나절이면 스크립트를 이식할 수 있습니다. 그렇기에 남아 있는 차이점은 알아 둘 가치가 있습니다.

ElevenLabs는 인라인 오디오 태그 — [laughs], [whispers], [sighs], [said angrily in French accent], 심지어 [light rain]까지 — 를 텍스트에 삽입하여 전달 방식이 바뀌어야 할 지점을 표시합니다. 벤더는 Eleven v4 Turbo용 오디오 태그를 문서화했으며, Eleven v4도 동일한 구문을 따릅니다. 둘 다 2026-09-28에 정식 출시(GA)되었습니다. Eleven v4는 요청당 입력을 10,000자, 대략 10분 분량의 오디오로 제한하므로, 장편 대본은 문장 경계에서 청크로 나누고 이어 붙여야 하며, 이어 붙이는 로직은 결국 사용자의 몫이 됩니다. 다중 화자 대화도 지원되며, 저지연 버전은 애플리케이션 및 네트워크 오버헤드를 제외한 중앙값 추론 지연 시간이 약 100밀리초라고 제시합니다.

Fish Audio의 표기법은 그 위에 짝 태그 계층이 얹힌 괄호 관례이며, 자체 Drama 3 페이지에 문서화되어 있습니다:

• 수식하는 단어들 앞에 오는 대괄호 지시문 — [간신히 버티며, 억지로 미소 지으며] — 감독이 성우에게 브리핑하듯 쓰인 것.

• 소리와 멈춤을 같은 대괄호 안에 — [떨리는 숨소리], [작은 웃음] — 실제 발생하는 위치에 정확히 배치합니다.

• 감싸진 단어만 변경하는 쌍 태그: whisper, emphasis, soft, fast, slow, stress, forceful. ElevenLabs 측에는 단어별 제어에 해당하는 기능이 문서화되어 있지 않습니다.

• 어떤 언어로 작성된 연출 지시든 대본의 언어와 무관합니다. 영어 대사 앞에 붙은 중국어 연출 지시 괄호가 문서화되어 있으며 시연됩니다. 제가 가장 먼저 시험해 볼 역량은 바로 이것입니다. 왜냐하면 이 역량이 도구를 운영할 수 있는 사람을 바꾸기 때문입니다. 영어를 쓰지 못하는 연출가도 영어 공연을 연출할 수 있습니다.

• 언어별 음소 피닝(pinning), 중국어와 일본어를 위한 문서화된 병음(pinyin) 및 로마자(romaji) 경로, 그리고 한 문장을 줄 중간에 다른 언어로 전환하는 언어 전환 태그 — 문서에서 실험적 기능으로 표시됨.

• 단일 요청에서 다중 화자: reference_id 배열에 화자별 음성 ID 하나씩, 각 턴은 <|speaker:0|>와 같은 화자 태그로 시작하며, 지시문과 쌍을 이룬 태그가 각 턴 안에서 작동합니다.

제어 인터페이스는 단순히 표기만 다른 것이 아니라 본질적으로 종류가 다릅니다. ElevenLabs는 감정과 전달에 맞춰진 태그 어휘를 제공합니다. Fish Audio는 감정에 더해 발음 고정, 언어 전환, 단어별 범위 지정까지 제공하는데, 이는 연주 도구보다는 마스터링 도구에 가깝습니다. 오디오북과 더빙 작업에는 두 번째 세트가 더 유용합니다. 대화형이거나 표현력이 중요한 마케팅 문구에는 Eleven의 태그가 더 자연스럽게 읽히며 선호도 점수도 이를 뒷받침합니다.

돈은, 당신이 실제로 가진 대본에 달려 있어요.

이 두 서비스의 시간당 비교는 신뢰할 수 없습니다. 벤더마다 청구 단위가 다르고 암시하는 발화 속도도 다르기 때문입니다. 대신 고정된 스크립트로 계산을 해보세요. Eleven v4는 100만 자당 $80.00으로 책정되어 있으므로, 10만 자 스크립트의 비용은 $8.00입니다. Drama 3는 100만 UTF-8 바이트당 $50.00으로 책정되어 있고 영어는 문자당 거의 1바이트 수준이므로, 같은 스크립트의 비용은 $5.00이며, 2026-11-12 09:00 PT까지 진행되는 출시 프로모션 기간에는 100만 바이트당 $10.00으로 $1.00입니다.

가격 차이의 솔직한 실체는 이렇다: Drama 3는 영어 문자당 정가 기준 37% 저렴하고 프로모션 기간에는 87% 저렴하다. 단위를 잊은 채 $80과 $50을 단순히 문자 대 문자로 비교했을 때 나오는 60%가 아니다. 예산서에 두 가지 세부 사항이 더 들어가야 하는데, 각주에 넣을 것이 아니다. 대괄호 지시문도 입력 텍스트로 간주되어 양쪽 플랫폼 모두에서 과금되므로, 지시문이 많은 대본은 단어 수로 짐작되는 비용보다 10~25% 더 든다. 그리고 Fish Audio에서는 모델 헤더가 없거나 철자가 틀린 요청이 실패하지 않는다 — s2.1-pro로 대체되는데, 프로모션 기간에는 이것이 백만 바이트당 $10.00이 아니라 $15.00으로 청구된다. 헤더의 오타 하나가 조용히 50% 가격 인상을 부르는 셈이다.

ElevenLabs의 비용 모델은 근본적으로 다릅니다. 구독 등급에 복제 기능이 포함되며, 즉시 음성 복제는 $6 Starter 플랜부터 시작하고 전문가용 클론은 $22 Creator 티어부터 제공됩니다. Fish Audio는 복제를 생성과 동일한 크레딧 시스템으로 판매하며, Drama 3는 S2.1 Pro와 동일한 크레딧을 사용합니다. 복제가 두어 번 쓰는 기능이라기보다 워크플로의 중심이라면, 비교는 문자당 비교가 아니라 플랜 비교입니다.

라이선싱, 그리고 양측 모두 협상할 수 없는 조항

어느 업체도 동의 없이 사람을 복제하는 것을 허용하지 않으며, 두 업체 모두 이를 명시적으로 밝힙니다. 차이는 모델 자체에 어떤 일이 일어나느냐입니다. Eleven v4는 클로즈드 API로, 가중치가 아니라 출력물에 대한 라이선스를 부여하며, 실질적인 제약은 요금표입니다. Drama 3는 Hugging Face에 fishaudio/drama-3로 가중치를 공개하며, 이는 Fish Audio Community License v1.0에 따릅니다. 연구 및 비영리 사용에는 무료이고, 귀하와 계열사의 연간 매출이 50만 달러 미만인 상업적 사용에는 무료이며, 해당 기준을 초과하거나 Drama 3 자체를 호스팅 서비스로 제공하려는 경우에는 별도 라이선스가 필요합니다. Artificial Analysis는 이를 완전한 상업적 사용 권리가 없는 공개 가중치라고 표기하며, 이는 정확합니다.

비교에는 양쪽 모두 일장일단이 있습니다. ElevenLabs의 가격에서 셀프 호스팅으로 빠져나올 수는 없고, Fish Audio의 가중치로 조용히 TTS 제공자가 될 수도 없습니다. 하지만 오늘, Drama 3를 48 GB 카드에 올려 전기료 수준의 한계 비용으로 생성할 수는 있습니다. 이는 10만 자당 8.00달러와는 다른 조달 논의이며, 장기 카탈로그 작업을 좌우하는 바로 그 논의입니다.

라우터 앞에 어느 것을 놓아야 하나요?

Fish Audio Drama 3도 ElevenLabs Eleven v4도 OrcaRouter에 있는 모델 중 하나가 아닙니다. Drama 3는 Fish Audio 자체 API와 여러 타사 플랫폼을 통해 접근하며, Eleven v4는 ElevenLabs의 API를 통해 접근합니다. 이 블로그가 계속 추천하는 구성에서 두 모델 앞에 놓이는 것은 라우팅 계층입니다 — ~200개 모델 전반에서 제공업체 정가로 마크업 없이 사용할 수 있는 하나의 키, 자동 장애 조치, 그리고 하나의 호출 지점 뒤에 두 개의 음성을 둘 수 있는 라우팅 DSL.

이 특정 비교에서 중요한 이유는 정답이 "문장에 따라 둘 다"이기 때문입니다. 프로덕션 드라마 파이프라인은 고유명사와 코드가 포함된 대사에는 Drama 3를 원하고, 청취자가 목소리 자체를 판단하는 구절에는 여전히 Eleven v4를 원할 수 있습니다. 모델 퓨전과 라우팅 DSL을 사용하면 파이프라인이 이를 두 개의 통합, 두 개의 요율표, 두 세트의 재시도 동작이 아니라 세그먼트별 선택이 가능한 하나의 인터페이스로 다룰 수 있습니다. 벤더가 가격을 조정하면 패스스루 덕분에 그 변경이 다음 계약 갱신 시점이 아니라 같은 날 귀하 측에 적용됩니다. 이는 여기서 평소보다 더 중요합니다. Fish Audio의 프로모션 요율이 2026-11-12에 만료되어 실질적인 비교가 하룻밤 사이에 바뀌기 때문입니다.

하나만 결정해야 하는 독자라면: 결과물이 얼마나 잘 들리는지로 평가되고 대본이 평범한 산문으로 쓰였다면 Eleven v4를, 결과물에서 이름과 숫자, 코드가 정확해야 한다면, 작업이 장편이고 가격에 민감하다면, 가중치를 원한다면, 또는 지시문을 쓰는 사람이 영어를 쓰지 않는다면 Drama 3을 선택하라. 아레나는 Eleven이 더 잘 들린다고 말한다. 발음 평가 보드는 Drama가 더 낫다고 말한다. 둘 다 같은 벤치마크 스위트이며, 유용한 질문은 당신의 제작이 실제로 두 실패 중 어느 쪽을 겪고 있느냐이다.