Gemini 3.8 TTS vs Cartesia Sonic 3.6: 13 Elo 포인트와 16달러

Artificial Analysis 블라인드 투표 리더보드에서 가장 근접한 두 텍스트 음성 변환 모델은 한 계단 차이, 16달러 차이이며, 이 두 격차는 서로 반대 방향을 가리킨다. Cartesia Sonic 3.6은 1,757개 샘플에서 Provider Voice Arena Elo 1,273으로 1위에 올라 있다. Gemini 3.8 Flash TTS는 1,999개 샘플에서 1,260으로 2위에 올라 있다. Elo 격차는 13점으로, 두 모델 모두에 대해 공개된 신뢰 구간 안에 들어가며, 가격 격차는 반대 방향으로 벌어져 Gemini는 백만 자당 33.00달러, Cartesia는 49.00달러다. 두 모델 중 하나를 고르는 상황이라면, 솔직히 말해 리더보드가 판별해낼 수 없는 품질 차이에 백만 자당 16달러를 지불하는 셈이다.

그것이 결정의 전부이며, 두 모델 모두 워낙 최신이라 그 외에는 거의 아무것도 측정되지 않았기 때문에 천천히 짚고 넘어갈 가치가 있습니다. Cartesia Sonic 3.6은 2026년 8월에 출시되었습니다. Gemini 3.8 Flash TTS는 2026년 9월 23일에 출시되었습니다. 두 모델 모두 아레나 투표 외에는 공개된 독립 벤치마크가 없으며, 아레나 투표에서는 두 모델이 통계적으로 동률을 이루며 최상위에 올라 있습니다.

리더보드가 실제로 말하는 것

Artificial Analysis Provider Voice Arena는 각 제공업체의 자체 네이티브 음성을 다른 모든 제공업체의 음성과 블라인드 쌍대 비교 투표로 비교하기 때문에 여기서 유용한 보드입니다. 이는 “어느 제품이 더 좋게 들리는가”라는 질문에 대해 통제된 음성 보드보다 더 공정한 비교입니다. 각 벤더가 실제로 출시하는 음성을 그대로 출시할 수 있게 해 주기 때문입니다.

• 1위 — Cartesia Sonic 3.6, Elo 1,273, 17포인트 구간, 1,757개 샘플, 아레나 음성 8개, 2026년 8월 출시, 100만 자당 $49.0.

• 2위 — Gemini 3.8 Flash TTS, Elo 1,260, 17포인트 구간, 1,999개 샘플, 8개 아레나 음성, 2026년 9월 출시, 100만 자당 $33.0

• 3위 — Alibaba Qwen-Audio-3.0-TTS-Plus, Elo 1,259, 샘플 1,447개, 아레나 보이스 15개, 100만 자당 $27.6.

• 참고로 4위부터 9위는 — Inworld Realtime TTS-2가 1,245, SpeechifyAI Simba 3.2가 1,237, Google Gemini 3.8 Flash-Lite TTS가 1,235, VUI Labs Luna TTS가 1,230, Inworld Realtime TTS-2 Flash가 1,210, BreezeBlue Breeze TTS 2가 1,204입니다.

구간들을 보면 상위 세 개는 서로 겹쳐 하나로 합쳐집니다. Sonic 3.6의 1,273은 17포인트 범위를 가집니다; Gemini의 1,260도 같은 범위를 가집니다. 두 범위는 거의 전체 폭에 걸쳐 겹칩니다. Qwen-Audio-3.0-TTS-Plus는 1,259에서 둘 모두와 겹칩니다. 이 보드는 지금까지 수집된 표본에서 이 세 개가 블라인드 선호도로는 구분 불가능하며, 이들 사이의 순서는 안정적인 증거가 아니라는 것을 알려줍니다.

표본 수 역시 그 차이를 설명하기에는 충분히 가깝습니다 — Cartesia는 1,757, Gemini는 1,999입니다. 둘 다 낮은 수천 단위에 속하는데, 이는 모델을 하나의 구간에 배치하기에는 충분하지만 그 안에서 인접 모델을 구분하기에는 충분하지 않습니다.

16달러가 어디서 나오는지

Cartesia의 자체 가격 페이지에는 Sonic의 백만 자당 요금이 공개되어 있지 않습니다. 대신 분이 포함된 구독 등급을 판매합니다. Free는 $0에 20,000 크레딧으로 대략 Sonic 3.6 기준 27분, Pro는 $5에 100,000 크레딧으로 대략 133분, Startup은 $49에 125만 크레딧으로 대략 1,667분, Scale은 $299에 800만 크레딧으로 대략 10,667분이며, 동시 접속 한도는 각각 2, 3, 5, 15입니다. 여기에 추가 억양당 225크레딧의 음성 현지화, 분당 $0.06의 음성 에이전트 통화 시간, 분당 $0.014의 전화 통신이 있습니다.

따라서 문자 백만 개당 $49.00은 Cartesia가 자체 단위로 제시한 정가가 아닙니다. 이는 Artificial Analysis가 Cartesia의 크레딧을 공통 분모로 정규화한 것으로, 비교 보드가 가격을 기준으로 순위를 매길 수 있도록 하기 위한 것입니다. 이는 비교 보드가 하기에 정당한 일이며 이용 가능한 유일한 동등 비교 수치이지만, 이는 Cartesia 수치가 파생된 요율인 반면 Gemini 수치는 공표된 수치라는 뜻입니다.

Google의 요금은 간단명료하다. Gemini 3.8 Flash TTS는 2026년 12월 31일까지 텍스트 입력 100만 토큰당 $0.50, 오디오 출력 100만 토큰당 $9.00을 청구하며, 그 이후에는 $1.00와 $18.00이다. 오디오는 초당 25토큰으로 계량되므로, 오디오 출력 요율은 음성 1초당 약 0.02센트로 환산된다. 더 저렴한 형제 모델인 Flash-Lite TTS는 동일한 초당 25토큰 기준으로 오디오 100만 토큰당 $6.00이며, Artificial Analysis는 이를 순위 6위, Elo 1,235로 100만 자당 $22.10 상당이라고 평가한다.

• 100만 자당 가격 — Cartesia Sonic 3.6 $49.00 vs Gemini 3.8 Flash TTS $33.00 vs Gemini 3.8 Flash-Lite TTS $22.10.

• Arena Elo — 1,273 대 1,260 대 1,235, 상위 두 곳 모두 17점 간격.

• 아레나 보이스 — 8 대 8 대 8.

• 샘플 — 1,757 vs 1,999 vs 2,000.

• 가용성 — Cartesia 호스팅 베타 vs 일반 제공되는 Google 자체 Gemini Developer API.

• 체중 공개 — 둘 다 닫힘; 어느 것도 다운로드할 수 없음.

가격 비교가 숨기는 부분

백만 자당은 편리한 단위이며, 두 제품 중 어느 것도 그렇게 청구하는 방식은 아닙니다.

Cartesia의 단위는 구독에 대한 크레딧이며, 동시성 상한은 등급에 따라 적용됩니다. 즉, 다음 1,000자의 한계 비용은 상한에 도달할 때까지 0이고, 그 이후에는 바로 위 등급의 비용입니다. 예측 가능한 상한이 있는 워크로드라면, 이는 문자당 요율이 시사하는 것보다 더 나은 조건입니다. 소비가 아니라 여유분을 사는 것이기 때문입니다. 급증하는 워크로드에는 더 나쁩니다. Free 등급의 동시성 2와 Pro 등급의 3은 가격이 아니라 단단한 장벽이기 때문입니다.

Gemini의 단위는 토큰이고 호출당 계량되며, 공개된 동시성 상한도 없습니다. 서비스 등급은 Standard, Batch and Flex, Priority 세 가지로 각기 다른 요율이 적용됩니다. Batch와 Flex는 Flash TTS에서 오디오 요율을 백만 토큰당 $4.50로 절반으로 낮추고, Priority는 $16.20로 올립니다. 이는 훨씬 더 세분화된 비용 모델이며, Google의 가격 책정이 대개 보상하는 것, 즉 작업이 인터랙티브인지 배치인지 미리 아는 것을 보상합니다.

따라서 어느 쪽이 더 저렴한지는 여러분의 음성 워크로드가 구독처럼 보이는지, 아니면 계량기처럼 보이는지에 달려 있습니다. Cartesia의 요금제는 꾸준하고 한정된 볼륨을 가진 제품에 맞춰 가격이 책정되어 있습니다. Gemini의 요금제는 분류할 수 있는 소비량에 맞춰 가격이 책정되어 있습니다.

Cartesia가 여전히 가지고 있는, Google에는 없는 것

두 가지입니다. 둘 다 음성 모델이 아니라 음성 제품이라는 점에 관한 것입니다.

Cartesia는 전화 통신 및 음성 에이전트 인프라를 직접 판매합니다: 전화 통신은 분당 $0.014, 음성 에이전트 통화 시간은 분당 $0.06, 음성 현지화는 추가 악센트당 225크레딧입니다. 전화 에이전트를 구축하고 있다면, 이는 한 곳에서 구매할 수 있는 스택입니다. Gemini 3.8 Flash TTS는 합성 엔드포인트입니다 — 오디오를 반환하고 멈춥니다. 전송, 턴 감지, 전화 통신은 직접 제공하거나 다른 공급업체에서 조합해야 합니다.

Cartesia는 또한 리더보드에 더 오래 올라와 있었다. Cartesia의 8월 출시일은 Google의 9월 출시일과 대비되는데, 이는 Cartesia의 샘플 수 중 더 많은 부분이 안정된 버전을 상대로 누적되었음을 의미한다. 반면 9월에 출시된 모델은 여전히 투표를 모으고 있다. 모델의 첫 주 Elo는 같은 모델의 한 달 후 Elo보다 더 노이즈가 많은 추정치이며, 이는 13점 차이를 Cartesia에 유리한 증거로 해석하는 데 불리하게 작용한다.

Google에는 있지만 Cartesia에는 없는 것

언어 지원 범위가 가장 명확한 기준입니다. Flash TTS는 자동 감지 기능으로 130개 언어를 처리하고, Flash-Lite는 101개 언어를 처리합니다. Cartesia의 현지화 모델은 가산형입니다. 즉, 기본 음성 위에 액센트를 각각 225크레딧에 추가로 구매하는 방식인데, 이는 다른 접근 방식이며 언어가 몇 개를 넘어서면 비용 곡선도 달라집니다.

전달 표면은 두 번째입니다. Gemini 3.8 Flash TTS를 사용하면 배우를 연출하듯 대사를 연출하고, 한 번의 호출로 두 화자 장면을 구성하며, 비언어적 큐를 — <laughs>, <sigh>, <gasp>, |mhm|, |yeah| — 스크립트에 직접 작성할 수 있습니다. 또한 자연어 설명을 통한 음성 디자인과 동의 확인이 포함된 30초 샘플을 통한 음성 복제를 제공하며, 출력물에 SynthID 워터마크와 C2PA 자격 증명을 포함합니다. 음성 리믹싱은 곧 출시될 예정으로 나와 있습니다.

그리고 그것은 베타가 아니라 정식 제공(GA) 상태입니다. Cartesia Sonic 3.6은 호스팅 베타이며, 이는 부하가 걸린 상황에서 엔드포인트에 대한 벤더 스스로의 확신을 나타내는 것입니다.

실제로 어느 것을 호출해야 할까요?

워크로드가 예측 가능한 볼륨의 전화 에이전트이고, 단일 업체에서 전화 통신, 동시성 및 합성을 원한다면 Cartesia Sonic 3.6이 일관된 선택이며, 16달러의 차이는 세 업체를 직접 조립하지 않는 데 따른 대가입니다.

이미 운영 중인 제품 내부에서 합성 작업을 한다면 — 내레이션, 접근성 계층, 지원 봇의 음성, 130개 언어 현지화 작업 — Gemini 3.8 Flash TTS는 문자당 더 저렴하고, 언어 지원 범위가 더 넓으며, 전달 제어가 더 정교하고, 일반 제공됩니다. Elo 차이는 이에 반대하는 근거가 되지 않습니다. 왜냐하면 Elo 차이는 통계적으로 실재하지 않기 때문입니다.

세 가지 중 가장 저렴한 것을 순위표 맨 위에서 원하면서 더 짧은 언어 목록을 감수할 수 있다면, Gemini 3.8 Flash-Lite TTS는 오디오 토큰 백만 개당 $6.00이고 1,235위로 여섯 계단 아래에 자리합니다 — 이 격차 역시 노이즈 범위 안에 있습니다.

어떤 모델을 고르든, 고른 모델 자체보다 마이그레이션 경로가 더 중요합니다. 두 모델 모두 새롭고 두 공급업체 모두 아직 조정 중이기 때문입니다. OrcaRouter는 대비책입니다: 공급업체 정가로 마크업 없이 200개 이상의 모델에 걸쳐 쓸 수 있는 키 하나, 그래서 두 연구소 중 어느 쪽이 가격을 인하하든 갱신 시점이 아니라 같은 날 청구서에 반영됩니다, 합성 호출이 실패할 경우 자동 장애 조치, 그리고 배치 작업은 한 모델로, 대화형 호출은 다른 모델로 보내고 싶다면 라우팅 DSL도 제공합니다. 우리는 Cartesia Sonic 3.6이나 Gemini 3.8 TTS 엔드포인트를 호스팅하지 않습니다 — Cartesia의 합성은 자체 제품이고 Gemini 음성 모델은 Google의 API에서 제공됩니다 — 하지만 텍스트 계층과 장애 조치 경로는 우리 것이며, 바로 그 부분이 완전히 새로운 모델을 안심하고 시험해 볼 수 있게 해줍니다.

주목할 것은 다음 Artificial Analysis 개정판이다. Gemini 3.8 Flash TTS가 샘플 수가 충분히 성숙해지면 그 13점 차이를 메운다면, 가격 격차는 더 이상 트레이드오프가 아니라 명확한 답이 되기 시작한다. 그렇지 않다면 Cartesia는 품질의 왕관을, Google은 가격의 왕관을 계속 차지하고, 선택은 지금과 정확히 같은 자리에 머문다: 전화 통신이 딸린 구독이냐, 130개 언어가 딸린 종량제냐.