Fish Audio Live 3는 프로덕션 레디이자 클로즈드다: vLLM-Omni의 제안이 실제로 요구하는 것

Fish Audio Live 3에 관해 가장 많은 것을 드러내는 문장은 Fish Audio가 쓴 것이 아니었다. 회사가 2026년 11월 10일 이 모델을 발표했을 때, 가장 멀리 퍼진 답글은 vLLM 프로젝트 계정에서 나왔다. 말하는 동안 듣는 풀듀플렉스 음성 모델을 출시한 것을 축하한다는 말, 언젠가 오픈소스로 공개되기를 바란다는 바람, 그리고 공개되면 vLLM-Omni가 기꺼이 서빙하겠다는 제안이었다. 그 답글을 두 번 읽어보면 이번 릴리스의 윤곽이 잡힌다. 그 안에 이야기의 양면이 동시에 담겨 있기 때문이다. 진정한 역량의 진전, 그리고 서빙 프레임워크가 즉각 알아차리는 공백이다.

Fish Audio Live 3는 전이중 음성 모델로, 음성을 생성하는 동안에도 계속 듣고 있으며, Fish Audio의 Agent Platform을 통해, 회사 자체 API를 통해, 그리고 기업용 온프레미스 배포 형태로 출시 첫날부터 프로덕션 환경에서 바로 사용할 수 있는 제품으로 판매된다. 다운로드할 수는 없다. 가중치도, 라이선스도, 저장소도 없고 — 11월 11일 기준 — Fish Audio의 API 문서에는 모델 식별자도 없으며, 문서에는 여전히 s2.1-pro, s2.1-pro-free, s2-pro, s1 및 세 가지 전사 모델이 나열되어 있을 뿐 Live 3라는 이름은 없다. 아래의 모든 성능 수치는 Fish Audio 자체 측정치이며, 독립적으로 재현된 것은 하나도 없다.

무엇이 출시되었는지, 그리고 그 문장에서 "production-ready"가 어떤 역할을 하는지

발표문의 기술적 주장은 마케팅 문구보다 더 좁고 더 흥미롭다. Fish Audio에 따르면 이 모델은 별도의 인식, 추론, 생성 단계로 이루어진 파이프라인 전반에서가 아니라 음성 모델 내부에서 대화의 타이밍을 처리하며, 손으로 정한 침묵 임계값이 아니라 녹음된 인간 대화에서 언제 맞장구를 치고, 기다리고, 답하고, 멈출지를 학습했다고 한다. 별도의 추론 계층이 에이전트의 지침과 도구를 보유한다. 이 게시물과 함께 세 개의 샘플 통화가 제공된다 — 주문 마무리하기, 끼어들기, 읽어 주는 중에 맞장구치기 — 이며, 이것이 이번 릴리스에서 증거에 가장 가까운 것이다.

‘프로덕션 레디’가 실제로 의미하는 것은 출시 당일 상용 래퍼가 존재한다는 뜻이다. 카드 없이 $5 크레딧을 제공하는 셀프서비스 플랫폼, 문서화된 에이전트 빌더, 전화 통신, 그리고 엔터프라이즈 온프레미스 옵션이다. 그것이 모델이 구매자가 인수 테스트라고 부를 만한 과정을 거쳤다는 뜻은 아니다. 어떤 종류의 공개 평가도 없다 — 단어 오류율도, 작업 성공률도, 턴테이킹 점수도, 지연 시간 분포도. 이는 음성 모델의 첫날로서는 이례적인 일이 아니지만, 분명히 말할 가치가 있다. 왜냐하면 밀리초를 앞세운 출시 글이 독자들로 하여금 하한값을 측정값으로 취급하게 만들기 때문이다.

세 개의 숫자가 있으며, 그중 두 개만 Fish Audio에서 나옵니다.

• 반응 속도 — 186밀리초는 Fish Audio가 자체적으로 밝힌 수치로, 전체 답변이 준비되는 동안 "음-흠"이나 빠른 확인과 같은 짧은 반응을 하는 맥락에서 설명된 것입니다. 이는 인지 반응의 하한선일 뿐, 답변의 첫 오디오까지 걸리는 시간은 아닙니다.

• 가격 — Agent Platform에서 분당 $0.035이며, 정가 $0.07에서 50% 할인된 것으로 홍보되고, 이 혜택은 2026년 12월 31일에 종료된다고 명시되어 있습니다. 이 분당 요금에는 음성 인식, 추론 모델, 음성이 포함됩니다. 프리미엄 LLM 토큰은 자체 토큰 요율로 청구되며, 전화 통화는 분당 $0.01가 추가되고, 전화번호는 월 $1.20입니다.

• 독립적인 점수 — 전무. Artificial Analysis는 Grok Voice 3.0, GPT-Live-1, Gemini 3.8 Live, Qwen Audio 3.0 Realtime 등 십여 개 모델을 추론, 대화 역동성, 작업 성공률, 첫 오디오까지 걸리는 시간 기준으로 순위를 매기는 음성-음성 보드를 운영합니다. 2026년 11월 11일 기준으로 확인한 결과, 해당 보드에는 Fish Audio 듀플렉스 항목이 전혀 없습니다.

처음 두 숫자는 구매자가 실제로 활용할 수 있는 숫자다. 세 번째는 구매자가 결국 필요로 하게 될 숫자이며, 가격을 첫눈이 아니라 한 번 더 들여다봐야 하는 이유이기도 하다. 종료일이 공개된 프로모션 요금은 비용 모델이 아니라, 유효기간이 인쇄된 비용 추정치일 뿐이다.

서빙 프레임워크가 폐쇄형 모델에 관심을 갖는 이유

vLLM-Omni의 관심은 감정이 아닙니다. 서빙 프레임워크는 당신이 로드할 수 있는 가중치를, 당신이 통제하는 하드웨어에서, 누군가의 분당 과금기가 아니라 당신의 전기 요금인 한계 비용으로 실행하기 위해 존재합니다. 폐쇄형 모델은 그 대상 고객이 아닙니다. 따라서 그 답변에 담긴 제안은 향후 릴리스에 보내는 요청으로 읽는 것이 가장 좋습니다: 체크포인트를 공개하면 그것을 기다리는 추론 경로가 있습니다.

이 부재를 불가피한 것이 아니라 의미심장하게 만드는 것은 Fish Audio 자체의 이력이다. 이 회사는 전에도 오픈 웨이트를 공개한 적이 있다. 표현력이 풍부한 텍스트-음성 모델인 Fish Audio Drama 3는 다운로드 가능한 체크포인트로 제공되며 오픈 웨이트 음성 아레나에서 평가된 바 있다. 따라서 여기서의 폐쇄적 배포는 개방성에 관한 회사 방침이 아니라 라이브 에이전트 사업에 관한 제품 결정으로 읽힌다. 온프레미스 옵션은 이 문제를 더욱 흐린다. 기업은 자사 경계 내에서 Live 3를 실행할 수 있지만, 그것이 모델을 읽고, 미세 조정하거나, 다시 호스팅할 수 있는 것과 같지는 않으며, Fish Audio는 온프레미스 계약에 그중 무엇이 포함되는지 밝히지 않았다.

영어만 지원한다는 문구가 "30개 이상의 언어"라는 주장 바로 옆에 있습니다.

Fish Audio 자체 페이지의 두 문장은 서로 다른 방향을 가리킨다. 발표문은 Live 3가 현재 영어를 말한다고 대놓고 밝힌다. 같은 사이트의 Agent Platform 페이지는 30개 이상 언어에 걸친 200만 개 이상의 음성과, 발신자가 "밤낮없이 몇 초 만에 발신자의 언어로 응답받는다"고 홍보한다. 둘 다 동시에 사실일 수 있다. 거대한 다국어 음성 라이브러리와 음성 인식 계층은 30개 언어를 커버하면서도 그 밑의 duplex 모델은 한 언어만 말할 수 있다. 하지만 그 두 문장 중 Live 3를 살 때 실제로 사는 것을 설명하는 문장은 하나뿐이다. 발신자가 영어를 쓰지 않는다면, 흥미로운 질문은 플랫폼이 무엇을 발음할 수 있느냐가 아니라 duplex 모델이 언제 따라잡느냐이다.

오늘 무엇을 호출할 수 있는지, 그리고 무엇을 통해

접근은 Fish Audio 자체 API와 Agent Platform을 통해 이루어지며, 온프레미스 경로는 엔터프라이즈 계약 전용입니다. 모델에 대한 제3자 서빙은 없으며, 이는 체크포인트 부재의 직접적인 결과입니다. 배포할 아티팩트가 없기 때문에 인프라 제공업체로부터 Live 3를 임대할 수 없습니다. 모델을 "파트너 플랫폼을 통해 사용할 수 있다"고 설명하는 사람은 듀플렉스 모델이 아니라 플랫폼의 음성 라이브러리를 설명하는 것입니다.

에이전트 스택에서 이식 가능한 절반은 추론을 담당하는 절반이며, Agent Platform에서 그 절반은 청구서에 별도 항목으로 잡힙니다. 라우터가 음성 모델에 도달하는 수단이 아니라 진짜 가치를 발휘하는 지점이 바로 여기입니다. OrcaRouter는 하나의 키로 200개가 넘는 모델을 제공업체 정가 그대로, 마크업 없이 제공하므로, 생각을 담당하는 텍스트 모델을 음성 계약은 건드리지 않은 채 교체하거나 고정하거나 장애 조치할 수 있고, 자동 장애 조치는 추론 백엔드에서 오류가 나거나 시간 초과가 발생해도 통화가 끊기지 않게 유지합니다. Fish Audio Live 3는 그 목록에 없습니다. 호스팅할 대상이 없기 때문이며, 이 글의 어떤 부분도 그와 반대되는 주장으로 읽혀서는 안 됩니다.

이 작품을 바꿀 것은 무엇일까요?

판도를 얼마나 크게 바꿀지 대략적인 순서대로 정리한 네 가지 사건이 있다. 체크포인트, 즉 vLLM-Omni 답변이 요구하는 것이자 Live 3를 Drama 3와 같은 반열에 올려놓을 항목. 독립 음성-대-음성 리더보드의 한 줄, 즉 186밀리초를 단순한 주장에서 맥락이 있는 데이터 포인트로 바꿔 줄 항목. Fish Audio 자체 API 문서에 공개된 모델 문자열과 요금, 즉 해당 사안을 조달 문서에서 인용 가능하게 만들어 줄 항목. 그리고 2027년 1월 1일, $0.035 프로모션 요금이 유지되느냐 마느냐가 갈리는 시점.

그때까지 정직한 요약은 Live 3가 이번 주에 공개된 가장 흥미로운 음성 모델이자 가장 문서화가 덜 된 모델이라는 것입니다. 턴테이킹이 어디에 있어야 하는지에 대한 진짜 아키텍처적 논쟁을, 가격만 공개하고 그 외에는 아무것도 공개하지 않은 상업적 제품으로 포장한 것이죠. 그것은 출시하기에 합리적인 일입니다. 아직은 평가할 수 있는 대상이 아니며, 그 두 문장의 차이는 바로 서빙 프레임워크, 독립 벤치마크, 조달 팀이 각각 기다리는 것입니다.