Fish Audio Live 3는 한 가지 언어를 구사합니다. Gemini 3.8 Live는 97개 언어를 구사하며 매초 워터마크를 표시합니다.

Fish Audio Live 3와 Gemini 3.8 Live는 중요한 아이디어에는 동의하지만 그 밖의 거의 모든 것에는 동의하지 않는다. 둘 다 턴테이킹을 별도 부품들의 파이프라인이 아니라 음성 모델 내부에 둔다. 2026-11-10에 발표된 Live 3는 이 점을 행동 양상으로 논증한다. 전화번호 중간의 멈춤은 질문 끝의 멈춤과 같은 사건이 아니며, 모델은 186밀리초 만에 응답하기로 결정할 수 있다고 하는데, 이는 Fish Audio가 보고한 수치일 뿐 아무도 검증하지 않았다. 2026-09-15에 발표된 Gemini 3.8 Live는 같은 문제를 문서로 답한다. 대화 중 전환을 지원하는 97개 언어, 생성된 오디오의 1초마다 적용되는 SynthID 워터마크, 공개된 모델 카드, 문서화된 두 개의 API 모델 ID, 그리고 Speech to Speech Index에서 76.0으로 표시되고 네 가지 구성 요소가 모두 채워진 Artificial Analysis 행이 그것이다.

지연 수치가 아니라 그 비대칭성이 이 비교를 좌우한다. 이 모델들 중 하나는 오늘 조달 문서에 기재해 한 줄 한 줄 방어할 수 있지만, 다른 하나는 도입하는 팀이 직접 계측 체계를 갖춰야 한다. 그리고 그 아래에는 더 날카로운 요점이 있다. Live 3가 내세우는 행동 특성은 Gemini 3.8 Live가 가장 강한 차원이 아니며, Live 3가 점수를 받은 차원도 아니다. 그래서 당분간 이 맞대결은 어느 모델이 전화 통화를 더 잘 처리하느냐가 아니라, 무엇을 검증할 수 있느냐로 판가름 난다.

커버리지 격차는 각주가 아니다

각 모델이 데모 밖에서 무엇을 할지부터 시작하십시오. 대부분의 구매자에게 이 섹션은 흥미로운 질문이 나오기 전에 평가를 끝내기 때문입니다.

• 언어 — Gemini 3.8 Live는 97개 언어를 지원하며 대화 도중 언어를 자동으로 전환합니다. Fish Audio는 Live 3가 출시 시점에 영어만 지원한다고 분명히 밝혔습니다. 마드리드의 예약 상담 전화, 상파울루의 지원 대기열, 바르샤바의 채권 추심 데스크는 이번 분기의 Live 3 도입 사례가 아닙니다.

• 출처 추적 — Gemini 3.8 Live가 생성하는 오디오의 매 초마다 Google의 SynthID 워터마크가 포함되며, 두 가지 Gemini 음성 변형은 모두 gemini-3-8-audio라는 이름으로 공개된 모델 카드에 문서화되어 있습니다. Fish Audio의 발표문에는 Live 3의 워터마킹이나 출처 메타데이터에 대해 아무런 언급이 없습니다. 귀하의 관할권이 합성 음성 공개 쪽으로 나아가고 있다면, 그 차이는 엔지니어링 문제가 아니라 법적 문제로 다가옵니다.

• 식별자 — Google은 gemini-3.8-live 및 gemini-3.8-live-extended-thinking을 Gemini API, Live API 및 AI Studio를 통해 호출 가능한 모델 ID로 공개합니다. Fish Audio의 발표에서는 Live 3이라는 명칭을 언급하지만, 이에 대한 모델 식별자나 모델별 엔드포인트 문서는 공개하지 않습니다.

• 비오디오 입력 — Gemini 3.8 Live는 이 라인업이 이미 지원하던 카메라 및 화면 공유에 더해 시각 입력을 거의 실시간으로 처리합니다. Live 3는 오디오 입력, 오디오 출력입니다.

• 엔터프라이즈 경로 — Google의 경로는 Gemini Enterprise의 프라이빗 프리뷰이며, 고객 경험 에디션은 출시 예정으로 표시되어 있습니다. Fish Audio의 경로는 현재 퍼블릭 베타인 Agent Platform과 엔터프라이즈 고객을 위한 온프레미스 배포입니다. 이는 정말로 차별화된 제안이며, 이 목록에서 오디오를 퍼블릭 클라우드로 보낼 수 없는 구매자에게 더 작은 공급업체가 더 강력한 답을 제공하는 유일한 지점입니다.

인덱스가 볼 수 있는 것과 볼 수 없는 것

Artificial Analysis는 음성 추론, 에이전트 성능, 아레나 선호도, 과업 성공률을 동일 가중치로 합성한 종합 지표로 Speech to Speech Index를 산출하며, 단일 모델이 아니라 시스템 전체를 평가한다. Gemini 3.8 Live의 행은 완전히 채워져 있다: 지수 76.0, Big Bench Audio 92%, 첫 오디오까지 걸리는 시간 1.18초, 과업 성공률 93.2%, 대화 역동성 96.1%, 아레나 Elo 1,083, 그리고 τ-Voice 고객 서비스 과업 벤치마크에서 30.1%다. 2026-11-11 기준 Live 3는 행 자체가 없으며, 이 보드는 Fish Audio를 하나의 모델 패밀리로만 나열할 뿐 그 어떤 듀플렉스 작업에도 점수를 매기지 않는다.

그 구성 요소 중 두 가지를 자세히 보십시오. 그것들은 헤드라인이 말하지 않는 것을 말해 주기 때문입니다. Gemini 3.8 Live의 대화 역학 96.1%는 해당 행에서 가장 높은 수치이며, Live 3가 판매하는 것에 대해 공개된 가장 근접한 대리 지표입니다. 즉, 턴 기반 모델이 턴 테이킹 측정에서 거의 최상위 점수를 받은 것입니다. τ-Voice에서의 30.1%는 해당 행에서 가장 낮은 수치이며, 이 모델이 1위가 아니라 5위에 있는 이유입니다. 대화는 잘하지만 작업을 완료하는 일은 드뭅니다. Google 자체의 해결책은 두 번째 변형인 Gemini 3.8 Live Extended Thinking으로, 같은 테스트에서 68.6%에 도달하고 지수에서 82.6으로 1위를 차지합니다. 시간당 오디오 비용은 약 네 배입니다.

이 비교에서 얻는 교훈은 두 공급업체 모두에게 불편하다. 대화 역학과 자연스러운 턴테이킹은 같은 측정값이 아니며, 바로 그렇기 때문에 한쪽의 96.1%와 다른 쪽의 점수화되지 않은 주장을 나란히 놓을 수 없다. Live 3의 주장은 특정 상황에서 자사의 동작이 턴 기반 모델보다 낫다는 것이다 — 발신자가 숫자 중간에 멈추거나, 에이전트가 주문을 다시 읽어 주는 동안 동의의 뜻으로 중얼거리는 경우다. 누군가 그것을 턴테이킹 하네스에서 실행하기 전까지, 정직한 입장은 Live 3가 공개된 보드가 분리해 내지 못하는 시나리오에 대해 주장하고 있다는 것이다.

출처, 그리고 검토자가 물을 질문

음성은 컴플라이언스 팀이 가격보다 먼저 출력물에 대해 묻는 유일한 양식입니다. Gemini 3.8 Live는 답을 준비해 두었습니다. 생성된 오디오의 SynthID 워터마킹, 이름이 명시된 모델 카드, 그리고 이 두 가지를 뒷받침하는 책임 있는 사용 방침을 공개한 공급업체입니다. Live 3에는 대화 행동에 관해서는 이례적으로 정밀하지만, 청취자나 탐지기가 그 출력물을 녹음과 어떻게 구분할 수 있는지에 대해서는 완전히 침묵하는 발표가 있습니다.

그것은 Live 3를 피할 이유가 아니며, 통화를 녹음하는 회선에 배포하기 전에 Fish Audio에 직접 질문할 이유입니다. 오디오에 워터마크가 있는지, 세션이 전사록이나 감사 기록을 생성하는지, 그리고 둘 모두에 대한 보존 정책은 무엇인지가 검토자가 문서로 받고 싶어 할 세 가지 항목입니다. Fish Audio는 플랫폼의 세션 토큰 인증과 /v1/agent/* REST 인터페이스를 문서화했으므로 세 가지 모두에 답할 수 있는 기반은 존재합니다. 다만 회사가 답변을 공개하지 않았을 뿐이며, 출시 하루 뒤에는 그것이 위험 신호라기보다 정상적인 상황입니다.

존재하는 가격과 존재하지 않는 가격

Gemini 3.8 Live는 Live API를 통해 오디오 입력 1분당 $0.005, 오디오 출력 1분당 $0.018에 공개되었습니다. 따라서 지속적으로 출력되는 5분 통화는 백엔드 모델 비용을 제외하더라도 음성 비용이 11센트를 조금 넘습니다. Artificial Analysis는 Google의 요금을 고정된 40개 질문 하위 집합에 대해 시간당 수치로 환산하는데, 이 파생 열은 캡처 간에 변동했습니다. 9월 16일 보드에서는 표준 모델이 시간당 $0.84였고, 이후 보드에서는 $1.50이었습니다. 둘 다 견적가가 아니라 환산치입니다. 예산 책정 기준이 되는 수치는 분당 요금입니다.

Live 3에는 가격이 없습니다. Fish Audio의 요금표에는 drama-3가 100만 UTF-8 바이트당 $50, s2.1-pro와 s2-pro가 $15, s2.1-pro-free가 0, s1이 $15이며 서비스 종료일이 2026-12-31인 것으로 나와 있고, 여기에 세 가지 speech-to-text 모델과 voice-design-1이 요청당 1센트로 나와 있습니다. Live 3은 여기에 없습니다. 양방향 에이전트 통화에는 자연스러운 바이트 수라는 것도 없습니다 — 입력 오디오는 발신자가 말하는 그대로이기 때문입니다 — 따라서 미터의 형태조차 공개되지 않았습니다. 오늘 작성되는 Live 3 비용 모델은 추측이며, 그 추측은 그것이 들어가는 어떤 문서에서든 추측이라고 표시되어야 합니다.

목소리 뒤에 무엇이 있는가

어느 모델도 시스템 전체가 아니며, 그 이음새는 양쪽 모두 동일합니다. Gemini 3.8 Live는 백그라운드 도구 및 API 실행을 수행하며, 요청을 접수하고 호출이 완료되는 동안에도 계속 대화합니다. 그리고 그 작업은 평범한 모델 호출과 평범한 토큰 비용으로 귀결됩니다. Live 3의 Agent Platform은 에이전트의 추론을 OpenAI 호환 엔드포인트 어디로든 연결하는 커스텀 LLM 훅을 제공합니다. 두 경우 모두 음성 모델은 프런트 엔드이고, 사고는 텍스트 모델이 담당합니다.

그 계층은 라우터가 존재 가치를 입증하는 곳이며, 두 스택 중 어느 쪽에서든 전환 비용이 저렴한 유일한 계층입니다. OrcaRouter는 단일 키로 216개 모델을 공급자 정가에 마크업 없이 제공합니다. 따라서 업스트림 가격 인하가 다음 계약 갱신 때가 아니라 같은 날 반영되고, 자동 페일오버는 백엔드에서 오류가 나거나 시간 초과가 발생해도 호출을 유지하며, 라우팅 DSL은 어떤 모델이 어떤 종류의 턴을 처리할지 결정하고, 모델 퓨전을 통해 저렴한 모델이 도구 호출 초안을 작성하면 더 강력한 모델이 실행 전에 이를 검증할 수 있습니다. 경계를 분명히 하자면: OrcaRouter는 Fish Audio Live 3나 Gemini 3.8 Live 음성 엔드포인트를 호스팅하지 않습니다. 둘 다 타사 음성 엔드포인트가 없으며, 어느 스택에서든 음성 계층은 해당 공급업체에 남습니다. 추론 계층은 이식 가능한 부분이며, 한 공급업체의 프리뷰 가격 모델과 다른 공급업체의 베타 플랫폼 위에 구축된 스택에서는 이식성이 다음 릴리스에서도 살아남는 속성입니다.

각각이 실제로 무엇을 위한 것인지

Gemini 3.8 Live를 선택하세요 제품이 글로벌하다면, 오디오가 인프라를 벗어나고 누군가 그 출처를 입증하라고 요구할 수 있다면, 또는 에이전트가 화면이나 카메라를 볼 필요가 있다면. 이 모델에는 스코어카드, 워터마크, 언어, 공개 요금, 모델 ID가 있습니다. 약점은 τ-Voice에서 작업 완료율이 30.1%라는 점이며, Google이 이를 위해 판매하는 해결책은 시간당 비용이 네 배인 Extended Thinking 변형입니다.

Pilot Fish Audio Live 3 통화가 영어로 이루어지고, 인프라 제약상 퍼블릭 클라우드를 사용할 수 없으며, 불만 기록이 발신자가 말을 가로막히거나 숫자 열을 반복하는 사례로 가득하다면. 여기서는 온프레미스 배포가 실질적인 장점이며 Google이 제공하지 않는 부분입니다. 평가는 직접 구축해야 한다고 예상하고 접근하세요: 비교할 점수도, 예측할 공개 가격도, 지적할 워터마크도 없습니다.

76.0을 턴테이킹에 대한 판정으로 받아들여서는 안 됩니다. 이는 에이전트형 작업 완료에 큰 가중치를 둔 종합 점수이며, Gemini 3.8 Live는 바로 그 부분에서 약합니다. 이번 대결을 확정지을 수 있는 수치는 다른 모든 모델이 측정되는 동일한 하네스에서 Live 3의 턴테이킹 점수를 낸 것이며, 그것이 존재하기 전까지 두 모델은 동작이 아니라 문서를 기준으로 비교되고 있는 것입니다.