Fish Audio Live 3 vs Sesame Preview: 턴테이킹에 대한 두 가지 해답, 그중 하나는 측정 가능

Sesame은 Fish Audio Live 3가 해결했다고 말하는 바로 그 문제를 위한 벤치마크를 만들었지만, 이후 Fish Audio는 그 벤치마크에 없는 모델을 출시했습니다. 이것이 이 비교의 짧은 요약입니다. Sesame Preview — 해당 연구소의 Conversational Speech Model 위에서 구동되는 4개 에이전트 소비자 제품 — 는 2026년 8월 TurnBench를 공개했습니다. 삼중 주석이 달린 2인 발화 30시간, 공개 리더보드, 대화형 대화 뷰어, 그리고 14개 시스템의 결과를 포함합니다. 2026년 11월 10일에 발표된 Fish Audio Live 3는 대화 타이밍이 침묵 임계값에 의해 강제되는 것이 아니라 음성 모델 내부에서 학습되어야 한다고 주장하며, 세 개의 샘플 통화와 186밀리초 수치를 공개합니다. 주장은 같은 주장입니다. 증거는 같은 증거가 아닙니다.

Live 3는 판매됩니다. 2026년 12월 31일에 종료되는 프로모션 기간 동안 Fish Audio의 Agent Platform에서 분당 $0.035, 문서화된 API, 그리고 기업용 온프레미스 옵션을 제공합니다. Sesame Preview는 무료로 제공됩니다. iOS 및 Android 앱에서 네 가지 고정 페르소나를 제공하며, API도 없고, 앱 내 음성에 대한 모델 식별자도 없고, 토큰당이나 분당 요금 같은 것도 전혀 없습니다. 둘 중 하나는 이번 주에 바로 그 기반으로 개발할 수 있습니다. 다른 하나는 들을 수만 있습니다.

존재하는 테스트와 Live 3가 그 테스트에 포함되지 않은 이유

턴테이킹은 업계가 모델이 등장하기 전에 측정 방식을 합의한 드문 역량이며, 그렇게 된 데에는 Sesame의 역할이 컸다. 2026년 8월 28일 공개되고 Carnegie Mellon University, Mundo AI, Oto와 함께 구축한 TurnBench는 전화 에이전트를 어색하게 만드는 바로 그 이벤트들을 시스템이 얼마나 잘 처리하는지 평가한다. 발언권을 빼앗아서는 안 되는 맞장구, 빼앗아야 하는 끼어들기, 끝이 아닌 멈춤이 그것이다. 리더보드는 공개되어 있고, 개발 세트는 직접 이용할 수 있으며, 결과는 14개 시스템을 다룬다.

Fish Audio Live 3는 그중에 없고, 다른 어떤 Fish Audio 듀플렉스 모델도 없습니다. 그것은 스캔들이 아닙니다 — 11월에 출시된 모델이 8월 리더보드에 올라갈 수는 없기 때문입니다 — 하지만 이 비교에서 가장 유용한 단일 사실입니다. 왜냐하면 그것은 각 회사가 어떤 종류의 주장을 하고 있는지 알려주기 때문입니다. Sesame는 자사 제품을 자기가 설계에 참여한 공개 테스트에 올렸고, 누구나 점수를 확인할 수 있습니다. Fish Audio는 자사 제품을 홍보용 요금표에 올렸고, 누구나 가격을 확인할 수 있습니다.

둘 다 정당한 출시입니다. 하지만 그중 하나만이 마케팅이 내세우는 그 실체를 낯선 사람이 검증할 수 있게 해줍니다.

각 측이 실제로 제공하는 것

• 무엇인가 — Fish Audio Live 3는 에이전트 플랫폼을 뒷받침하는 전이중(full-duplex) 음성 모델이고, Sesame Preview는 Maya, Miles, Simone, Charlie라는 네 명의 에이전트를 갖춘 소비자용 어시스턴트 앱이며, 각 에이전트는 고유의 메모리를 지닌다.

• 배포 — Live 3: 셀프서브 플랫폼, 문서화된 API, 엔터프라이즈 온프레미스. Sesame Preview: iOS 및 Android 앱, 무료, API 없음, 앱 내 음성에 대한 모델 ID 없음.

• 가격 — Live 3: 프로모션 $0.035/분, 정가 $0.07, 추가로 전화 통화 분당 $0.01 및 번호당 월 $1.20. Sesame Preview: 공개된 가격과 공개된 요금제 등급이 없으며, 앱은 무료로 다운로드할 수 있습니다.

• 언어 — Live 3: 출시 당시에는 영어만 지원하며, 이는 Fish Audio의 자체 표현에 따른 것으로, 주변 플랫폼이 30개 이상의 언어로 음성을 광고하고 있음에도 그러합니다. Sesame Preview: 영어 중심이며, 연구소 자체 연구 노트에 따르면 주로 영어로 학습되었습니다.

• 독립성 — Live 3: 2026년 11월 11일 기준으로 어떤 종류의 공개 벤치마크도 없으며, Artificial Analysis 음성-대-음성 보드에도 항목이 없습니다. Sesame Preview: 이 앱의 음성에 대한 독립적인 점수도 없지만, 회사가 구축에 참여하고 직접 게시하는 공개 턴테이킹 리더보드가 있습니다.

• 개방성 — Live 3: 가중치 없음, 라이선스 없음, 저장소 없음. Sesame: 2025년 3월부터 Hugging Face에 공개된 단 하나의 오픈 체크포인트 CSM-1B(Apache-2.0) — 그러나 그것은 앱에 들어 있는 음성이 아니다.

• 인터페이스 — Live 3: 직접 통합합니다. Sesame Preview: 대화로 사용합니다.

두 회사가 공유하는 어휘 문제

두 제품 모두 당신이 실제로 신경 쓰는 그 부분을 비교할 수 있을 만큼 충분히 공개하지 않으며, 둘 다 같은 현상을 같은 단어로 부릅니다. Fish Audio는 이를 대화의 리듬이라고 부르며 전화번호를 덩어리로 읽는 예를 듭니다. "415… 555… 0132"처럼 읽는 경우인데, 기존 에이전트는 이를 세 번의 별개 발화 차례 끝으로 인식합니다. Sesame의 마케팅은 같은 행동을 프레즌스라고 부르고, 2026년 10월 릴리스 노트에서는 회사가 Conversational Speech Model을 업데이트해 표현력과 발음을 개선했으며 아첨이 줄고 반복되는 문구가 줄었다고 밝힙니다. 두 설명 모두 쓰인 그대로는 반증이 불가능합니다. 어느 쪽도 수치를 제공하지 않습니다.

차이는 Sesame이 그 잣대를 내놓았다는 점입니다. Fish Audio가 실질적인 비교를 원한다면 TurnBench의 개발 세트는 공개되어 있고 자체 채점 방식이니, 점수판은 등재를 기다리고 있습니다.

빌더가 각각으로 무엇을 할 수 있는지, 그리고 무엇을 할 수 없는지

여기서 두 제품은 비교 자체가 불가능해집니다. Sesame Preview는 구성 요소가 아닙니다. 엔드포인트도, 세션 API도, 그 음성을 자체 전화번호에 연결할 방법도 없으며, 앱 외부에서 누구나 로드할 수 있는 유일한 Sesame 체크포인트는 2025년 3월의 1B 파라미터 모델인 CSM-1B인데, 이는 현재 앱의 음성보다 1년 반 분량의 작업만큼 더 이전에 나온 모델입니다. 제품에서 Sesame 특유의 대화형 느낌을 원하는 팀은 오늘날 기다리지 않고는 그것에 도달할 방법이 없습니다.

Live 3는 정반대의 거래다. 중요한 측면에서는 닫혀 있다 — 가중치도 없고, 기업 계약 없이 직접 호스팅할 방법도 없다 — 하지만 출시할 수 있게 해주는 방식으로는 열려 있다. 에이전트 빌더, 문서화된 API, 전화 통신, 분당 요금이 그것이다. 추론 계층은 분리되어 교체 가능한 부분이다. 에이전트는 추론을 위해 OpenAI 호환 엔드포인트를 가리키면서 음성은 Fish Audio의 것을 유지할 수 있다. 그 구조 덕분에 작은 팀도 화요일에 바로 배포할 수 있다.

특히 추론 쪽의 경우, OrcaRouter는 공급자 정가에 마크업 없이 하나의 키로 200개 이상의 모델을제공하며, 백엔드가 호출 중 오류를 일으키면 자동 장애 조치하고 어떤 종류의 턴을 어떤 모델이 처리할지 결정하기 위한 라우팅 DSL을 갖추고 있습니다. Fish Audio Live 3는 그러한 모델 중 하나가 아닙니다. 폐쇄형 양방향 음성 모델을 위한 타사 엔드포인트는 없으며, 여기에는 라우팅할 대상이 없습니다. 이 스택에서 라우터의 역할은 음성이 끝나는 지점에서 시작됩니다.

어느 것을 지켜봐야 하며, 무엇을 위해서인가요?

이 비교를 매듭지을 세 가지 신호가 있는데, 그중 어느 것도 보도자료가 아니다. TurnBench에 Live 3 항목이 올라오거나 Artificial Analysis의 음성 대 음성 보드에 한 줄이 추가된다면, Fish Audio의 행동 기반 논변이 옆에 숫자가 붙은 점수로 바뀔 것이다. Sesame의 개발자 API—회사는 날짜를 밝히지 않은 채 개발자 도구가 나올 것이라고 말해 왔다—가 있다면, 앱의 음성을 제품이 임대할 수 있는 무언가로 바꿔놓을 것이다. 그리고 CSM-1B보다 최신인 두 번째 공개 Sesame 체크포인트가 있다면, 오픈 웨이트 진영에 Live 3 출시가 눈에 띄게 주지 않았던 것을 제공할 것이다.

그중 하나가 실제로 출시되기 전까지, 정직한 순위는 전적으로 무엇을 사려는지에 달려 있다. 오늘날 가능한 가장 듣기 좋은 대화를 원하고 그것이 다른 누군가의 앱 안에 있는 것을 감수할 수 있다면, Sesame Preview는 더 인상적인 제품이며 어떻게 평가해야 하는지에 관해서도 더 정직한 제품이다. 이번 분기에 실제 운영 환경에 음성을 투입해야 한다면 Sesame은 후보가 아니며, 비교는 Live 3에 관한 단 하나의 질문으로 좁혀진다. 즉 $0.035의 프로모션 분당 요금과 186밀리초의 응답 시작 하한선이 전화선 하나를 걸 만한 충분한 증거인가 하는 것이다. 대부분의 팀에게 답은 파일럿에는 '그렇다', 급여 지출에는 '아직 아니다'이다. 그리고 그 답을 바꿔 놓을 벤치마크는 이미 존재하며, 한 행은 비어 있는 채로 남아 있다.