Fish Audio Live 3 vs Eleven Realtime v1 Max: 186 ms와 0.57 s는 동일한 측정이 아니다

Fish Audio Live 3와 Eleven Realtime v1 Max는 둘 다 전이중(full-duplex) 음성 모델이고, 둘 다 서로 4주 이내에 출시되었으며, 둘 다 턴테이킹(turn-taking)이 별도 부품들의 파이프라인이 아니라 음성 모델 내부에 속한다는 주장으로 판매되고 있다. Fish Audio는 Live 3가 최소 186밀리초 만에 응답하기로 결정할 수 있다고 말한다. ElevenLabs의 Realtime v1 Max는 0.57초 만에 말하기를 시작한다. 이 두 수치를 나란히 놓으면 더 새로운 모델이 3배 우위를 점한 것처럼 보이지만, 그런 해석은 누구든 계약서에 서명하기 전에 이해할 가치가 있는 방식으로 틀렸다.

이 숫자들은 서로 다른 사건을 측정한다. Live 3의 186밀리초는 Fish Audio가 짧은 반응—전화번호의 숫자 덩어리 사이에 나오는 "mm-hmm", "okay, 415" 같은—에 대해 자체적으로 제시한 수치이지, 완전한 답변에 대한 수치가 아니다. Max의 0.57초는 응답 자체의 첫 오디오까지 걸리는 시간(time-to-first-audio)을 측정한 값으로, Artificial Analysis의 Speech to Speech 하네스에서 얻은 것이다. 하나는 맞장구에 대한 공급업체 보고 최저치이고, 다른 하나는 답변에 대한 감사를 거친 지연시간이다. 둘을 빼면 아무 의미도 없는 숫자가 나오는데, 바로 그것이 이 비교의 유용한 출발점이다.

각 공급업체가 실제로 공개한 내용

Eleven Realtime v1 Max는 2026-10-20에 전체 스코어카드와 함께 출시되었습니다. Artificial Analysis는 Big Bench Audio(98.8%), 첫 오디오까지 걸리는 시간(0.57초), 작업 성공률(87.1%), Full-Duplex-Bench 대화 역동성(94.1%), Arena 선호도(997 Elo)로 이를 채점합니다. 이 모델에는 Speech to Speech Index가 없는데, 해당 지수의 기반이 되는 에이전틱 τ-Voice 테스트가 아직 실행되지 않았기 때문이며, ElevenLabs로부터 시간당 비용 수치도 받지 않습니다 — 보드에 표시된 시간당 $4.80은 ElevenLabs의 분당 에이전트 및 API 요금을 환산한 것이지, 모델 단독에 대해 공개된 정가가 아닙니다.

Fish Audio Live 3는 2026-11-10에 행동에 관한 논거를 내세우며 등장했고, 수치는 거의 없었다. 공개된 범위는 완전히 설명할 수 있을 만큼 작다.

• 반응 속도 — 186밀리초, 공급업체 보고 기준, 전체 답변보다는 짧은 반응의 맥락에서 설명됨.

• 독립적인 점수 — 없음. Artificial Analysis는 2026-11-11 기준 Speech to Speech 보드에 Live 3 행을 싣고 있지 않습니다. Fish Audio는 그곳에 점수가 매겨진 duplex 항목이 아니라 모델 패밀리로 나타납니다.

• 가격 — 공개되지 않음. Fish Audio의 요금표에는 drama-3, s2.1-pro, s2.1-pro-free, s2-pro, s1과 세 가지 음성-텍스트 변환 모델 및 voice-design-1이 나열되어 있습니다. Live 3은 여기에 포함되어 있지 않습니다.

• 언어 — 발표에 따르면 출시 시점에는 영어만 지원됩니다.

• 배포 — Fish Agent Platform, Fish Audio 자체 API, 그리고 엔터프라이즈 고객을 위한 온프레미스 배포.

• 아키텍처 — 전이중 방식이며, 녹음된 인간 대화로 훈련되어 맞장구치기, 기다리기, 답하기, 멈추기가 학습된 행동이 되도록 합니다.

ElevenLabs가 공개한 내용은 정반대다: 완전한 스코어카드와 불투명한 단가. Max에는 인덱스와 τ-Voice 테스트를 제외한 모든 행이 있으며, ElevenLabs는 이를 분당 단독 요금으로 판매하지 않는다 — ElevenAgents에서는 표준 에이전트 요금에 Realtime 요율의 토큰 비용을 더해 지불하고, Realtime API를 통해서는 연결된 오디오의 분당 요금에 토큰 비용을 더해 지불한다.

행동 논증, 즉 진정한 경쟁

두 공급업체 모두 동일한 실패 모드를 설명하고 동일한 구조적 해결책을 제안하므로, 아이디어 수준에서 비교가 유난히 깔끔해진다. ElevenLabs에 따르면 Realtime의 인식, 턴테이킹, 추론, 음성 생성은 부품별로 조정되는 것이 아니라 하나의 시스템으로 튜닝되며, 그 이점에 대해 문서화된 예시는 백채널이다. Mini는 화자가 말을 마쳤는지 아니면 단지 "mm-hmm"으로 끼어드는 중인지를 감지하는 것으로 설명된다. 같은 주장에 대한 Fish Audio의 버전은 전화번호를 여러 덩어리로 읽는 경우다 — "415… 555… 0132" — 여기서 Live 3는 그 사이에 "mm-hmm" 또는 "okay, 415"라고 응답하고 나머지를 기다릴 수 있다.

두 제품이 갈리는 지점은 무엇을 당신이 계속 유지할 수 있게 하느냐입니다. Eleven Realtime은 두 가지 방식으로 판매됩니다. ElevenAgents 내부에서, 그리고 wss://api.elevenlabs.io/v1/convai/realtime에서 OpenAI의 이벤트 프로토콜과 와이어 호환되는 Realtime API를 통해서입니다. ElevenAgents 안에서 Realtime 모델을 선택한다는 것은 ElevenLabs가 LLM, 추론 강도, 사고 예산, 병렬 도구 호출, TTS 모델, ASR 공급자를 관리한다는 뜻입니다. 현재 공개 베타인 Fish Audio의 Agent Platform은 추론 계층에 대해 반대 입장을 취합니다. 에이전트의 사용자 지정 LLM이 OpenAI 호환 엔드포인트를 가리킬 수 있으므로, 생각하는 일을 하는 모델은 당신이 선택하는 것입니다.

그 차이는 지연 시간 수치보다 더 많은 배포를 좌우합니다. 벤더가 전체 스택을 소유하길 원하고 커스텀 LLM 및 Bedrock 경로를 포기할 의향이 있다면, ElevenAgents가 더 짧은 경로입니다. 추론 계층이 제품이 차별화되는 지점이라면 — 검색, 정책 검사, 도구 오케스트레이션 — Fish 측의 커스텀 LLM 훅이 조달 심사를 통과하는 기능입니다.

비용, 그리고 Live 3 열이 비어 있는 이유

Artificial Analysis conversion에서 Max는 입력 오디오 1시간당 $4.80의 비용이 드는데, 해당 보드에서 가장 저렴한 강력한 듀플렉스 경쟁사의 $0.84 수치와 대비됩니다. 이는 가격이 신규 진입자가 거래를 빠르게 수주할 수 있는 축이 되게 하며, 바로 그 축에서 Live 3는 현재 평가될 수 없습니다. Live 3 배포의 호출당 비용은 Fish Audio가 공개한 어떤 것으로도 계산할 수 없는데, 청구 단위가 공개되지 않았기 때문입니다.

Fish Audio가 실제로 공개하는 것은 다른 모델에 대한 요금표이며, 이는 회사가 음성 가격을 어떻게 책정하는지 보여 주기 때문에 그 구조를 알아 둘 가치가 있습니다. 텍스트 음성 변환은 입력 텍스트의 UTF-8 바이트 기준으로 청구되며, Fish Audio 자체 문서에 따르면 UTF-8 바이트 100만 개는 대략 영어 단어 18만 개 또는 약 12시간 분량의 음성에 해당합니다. drama-3의 100만 바이트당 50달러라는 정가 요율로 계산하면 생성된 음성 1시간당 약 4.17달러, 2026-11-30까지 진행되는 출시 프로모션 중에는 약 0.83달러가 됩니다. 이는 다른 제품에 대해 도출된 수치이며 Live 3 가격이 아니고, 양방향 에이전트 분은 합성 음성과 같은 단위도 아닙니다. 하지만 이 수치들은 Fish Audio의 가격 규모가 이 시장의 나머지와 마찬가지로 시간당 1~5달러 범위에 있음을 보여 주며, 그보다 10분의 1 수준으로 낮은 것은 아닙니다.

라우팅 계층이 양쪽 모두에서 제 역할을 하는 구간이 바로 여기입니다. OrcaRouter는 Fish Audio Live 3나 Eleven Realtime v1 Max를 호스팅하지 않습니다. 둘 다 서드파티 엔드포인트가 없고, 어느 스택이든 음성 계층은 해당 벤더에 그대로 남습니다. OrcaRouter가 호스팅하는 것은 두 제품 모두가 가리킬 수 있는 추론 계층입니다: 단일 키로 이용하는 216개 모델, 공급자 정가에 마크업 제로, 공급자 오류 시 자동 페일오버, 그리고 어떤 호출을 어떤 모델이 처리할지 결정하는 라우팅 DSL까지. 실질적인 결과는 어느 벤더의 토큰 가격표도 락인이 되지 않는다는 점입니다. ElevenLabs가 Realtime의 가격을 바꾸거나 Fish Audio가 Live 3를 바이트당 요율로 공개하더라도 음성 요금은 바뀌지만 추론 요금은 바뀌지 않습니다. 추론 요금은 애초에 어느 벤더에도 묶여 있지 않았기 때문입니다.

이제 어느 것을 기반으로 만들까요?

오늘 Eleven Realtime v1 Max를 기반으로 구축하세요 벤치마크를 요구할 사람에게 기술적 선택을 방어해야 한다면. 감사된 스코어카드, 문서화된 이벤트 프로토콜, 검토자가 확인할 수 있는 측정된 지연 시간을 갖추고 있습니다. Max의 미지수는 대규모 사용 시 시간당 가격이지 품질이 아닙니다.

Pilot Fish Audio Live 3은 귀하의 에이전트에 대한 불만 로그가 통화 중 말을 가로막히는 발신자들로 가득 차 있고, 개선 효과를 직접 측정할 준비가 되어 있다면 적합합니다. 186밀리초라는 수치는 Max의 0.57초와 비교할 수 없으며, 이 모델에는 독립적인 턴테이킹 점수가 없고, 정가도 아직 존재하지 않습니다. 따라서 파일럿은 사양서를 근거로 한 조달 결정이 아니라 현재 에이전트를 대상으로 한 계측 기반 A/B 테스트로 구성해야 합니다.

186밀리초를 누구에게나 내세울 수 있는 지연 시간 주장으로 취급하지 마세요. 이것은 모델이 짧은 소리를 내기로 선택할 수 있는 속도에 관한 벤더의 진술입니다. 실제로 중요한 숫자, 즉 발신자가 답변의 첫 음절을 들을 때까지 얼마나 걸리는지는 누구도 Live 3에 대해 공개하지 않았습니다. 공개되면 Max와의 비교는 실제 비교가 되며, 그때까지 "어느 쪽이 더 빠른가"에 대한 정직한 답은 한쪽은 측정되고 다른 쪽은 설명된다는 것입니다.