GPT-Live-1 vs Breeze TTS 2: 출시할 수 없는 오픈 웨이트 음성 리더

Breeze TTS 2는 Artificial Analysis의 Provider Voices Speech Arena에서 가장 높은 평가를 받은 오픈 웨이트 텍스트 음성 변환 모델로, Elo 1,205를 기록하며 100개가 넘는 평가 대상 시스템 가운데 전체 7위에 올라 있습니다 — 가중치를 공개하는 모든 상용 라이선스 엔진보다 앞선 순위입니다. 이 모델의 가중치는 2026년 8월 25일부터 다운로드할 수 있습니다. 또한 이 가중치에 적용되는 라이선스 아래에서는 제품에 사용할 수 없습니다. GPT-Live-1은 모든 면에서 정반대의 트레이드오프입니다. 폐쇄형이고, 호스팅 방식이며, 2026년 9월 10일 OpenAI의 개발자 API에 등장한 이후 음성 1분당 $0.05가 청구되고, 둘 중 통화자가 말을 끊는 것을 들을 수 있는 유일한 모델입니다.

그 두 문장을 나란히 놓으면, 비교는 대부분의 모델 맞대결보다 더 빨리 결판이 난다. 이것은 어느 쪽이 음성을 더 잘 합성하는지를 두고 벌이는 싸움이 아니다. 이것은 당신이 목소리를 사는 것인지 대화를 사는 것인지, 그리고 “open”이 당신이 생각했던 의미인지를 두고 벌이는 싸움이다.

그것들은 같은 종류의 것이 아니며, 바로 그 점이 핵심이다

Breeze TTS 2는 약 15명 규모의 스타트업 BreezeBlue가 만든 30억 개 매개변수 텍스트 음성 변환 모델이다. 텍스트가 들어가면 오디오가 나온다. 이 모델은 아무것도 듣지 않는다. 턴이 언제 끝나야 하는지에 대한 의견이 없는데, 턴이라는 개념 자체가 없기 때문이다. WebSocket으로 스트리밍하면 텍스트 생성이 끝나기 전에 오디오를 만들기 시작하는데, 이는 음성 에이전트의 속도감을 촘촘하게 유지하는 데 정말 유용하다. 하지만 언제 말할지를 결정한 것은 텍스트를 작성한 쪽이다.

GPT-Live-1은 풀듀플렉스 음성-대-음성 모델입니다. 오디오와 텍스트가 입력되고, 오디오와 텍스트가 출력됩니다. 그리고 모델은 초당 여러 번 계속 들을지, 일시 중지할지, 발언권을 잡을지, 아니면 양보할지 결정합니다. Open​AI 자체의 Full Duplex Bench v1.5 수치(출시와 함께 공개되었으며 회사 외부에서는 재현되지 않음)에 따르면, 상호작용성은 GPT-Realtime-2.1의 45.4%에 비해 80.1%이며, 발언권 전환 지연 시간은 1.41초에 비해 0.798초입니다.

그 비대칭성은 Breeze TTS 2를 흠잡는 말이 아니다. 그것은 각각이 스택에서 어디에 속하는지에 대한 경고다. 음성 인식이 언어 모델에 입력을 넣고 그 모델이 다시 합성기에 입력을 넣는 캐스케이드를 만드는 중이라면, Breeze TTS 2는 그 마지막 3분의 1에 들어갈 후보다. GPT-Live-1을 구매한다면, 전체 루프를 구매하는 것이며 그와 함께 턴테이킹 로직까지 넘기는 것이다.

차원별로

• 상호작용 모델 — GPT-Live-1: 전이중, 네이티브 끼어들기, 말하면서 듣기 vs Breeze TTS 2: 스트리밍 텍스트 음성 변환, 오디오 입력 전혀 없음

• 가중치 — GPT-Live-1: 비공개, 호스팅 전용, 모델 ID 하나에 날짜별 스냅샷 없음 vs Breeze TTS 2: 2026년 8월 25일부터 Hugging Face에서 3B 파라미터, PyTorch 추론 코드 Apache-2.0

• 라이선스 — GPT-Live-1: Open​AI의 API를 통한 상업적 조건, 검토할 사항 없음 vs Breeze TTS 2: 가중치, 파인튜닝, LoRA, 병합, 양자화 및 자체 호스팅 출력물을 포괄하는 연구 및 비상업적 라이선스

• 가격 단위 — GPT-Live-1: 음성 분당 $0.05, 초 단위로 청구되며 추론 백엔드는 별도로 과금됨 vs Breeze TTS 2: 호스팅 엔드포인트에서 100만 자당 $34, 공개된 최상위 요금제에서는 $28까지 단계적으로 인하

• 품질 근거 — GPT-Live-1: Artificial Analysis Speech to Speech Index에서 70.3%로, 점수가 매겨진 14개 모델 중 공동 6위이며, Breeze TTS 2는 Provider Voices 아레나에서 Elo 1,205로 전체 7위이자 오픈 웨이트 모델 중 1위(Artificial Analysis 기준)

• 언어 — GPT-Live-1: 출시 당시 보도들은 주요 언어 외에서는 유창성이 고르지 않다고 일관되게 지적 vs Breeze TTS 2: 벤더가 50개를 주장하며, 모델 카드에는 영어와 중국어로 태그됨

• 음성 제어 — GPT-Live-1: 12개의 API 음성, 프롬프트로 톤과 속도 제어, 클로닝 전혀 없음 vs Breeze TTS 2: 참조 오디오 클로닝, 참조 없는 음성 디자인, 음성 디렉션, 인라인 보컬 이벤트

• 처리량 — GPT-Live-1: 동시 세션 기준으로 과금되며, 티어 1에서는 25, 티어 5에서는 500으로 제한되고 무료 티어는 없음 vs Breeze TTS 2: Artificial Analysis의 측정 기준 초당 약 45자로, 여러 상용 경쟁사보다 느리며 장문 작업에서 중요함

라이선스가 리더보드보다 더 많은 일을 해내고 있다

BreezeBlue의 자체 모델 카드는 이 점에 대해 이례적으로 직설적으로 밝히고 있는데, 이는 회사의 미덕입니다. 추론 코드는 Apache-2.0입니다. 가중치와 이를 자체 호스팅하여 생성한 모든 출력물은 연구용이며, 상업적 배포에는 유료 호스팅 구독 또는 서면 승인이 필요합니다. 이 제한은 파생 모델, LoRA, 병합 및 양자화에까지 명시적으로 적용되며, 이는 사람들이 흔히 찾는 허점을 막아줍니다.

그래서 "오픈 웨이트 리더"라는 프레이밍에는 헤드라인이 좀처럼 담지 않는 한정어가 필요하다. Breeze TTS 2는 다운로드하고, 검사하고, 벤치마크하고, 자신의 하드웨어에서 평가를 위해 실행할 수 있다는 의미에서는 오픈이다. 스타트업이 BreezeBlue에 비용을 지불하거나 법률 검토를 구매하지 않고서는 그것을 기반으로 제품을 만들 수 있게 해주는 의미에서는 오픈이 아니다. 사람들이 오픈 웨이트라고 할 때 의미하는 세 가지 중 두 가지 — 검증 가능성과 비용 — 는 얻을 수 있다. 세 번째 — 출시할 자유 — 는 얻을 수 없다.

그것은 GPT-Live-1 같은 모델과는 실질적인 차이입니다. 그런 모델에서는 라이선스 질문이 '해도 되나요?'가 아니라 '얼마나요?'입니다. 둘 다 결국 청구서로 끝납니다. 다만 그중 하나만 먼저 변호사 의견으로 끝납니다.

두 가격 단위는 서로 비교할 수 없으므로, 계산은 다음과 같습니다

분당 $0.05와 백만 자당 $34는 서로 다른 우주에 사는 것처럼 보인다. 실제로 그렇기 때문이다. 이 둘을 비교하려면 환산해야 한다. 음성은 대략 분당 150단어 속도로 진행되고, 영어는 공백을 포함해 계산하면 단어당 평균 약 5.5자인데, 따라서 1분 분량의 음성 출력은 대략 800~900자다. Breeze TTS 2의 백만 자당 $34 기준으로 하면 이는 분당 약 3센트의 합성 비용이다 — 순수 음성 기준으로 GPT-Live-1의 5센트보다 저렴하다.

그 비교는 바로 그다음에 무너진다. GPT-Live-1의 5센트에는 듣기가 포함되기 때문이다. 그것은 또한 발신자의 말을 전사하고, 턴이 언제 끝나는지 판단하며, 끼어들기를 관리한다 — 캐스케이드가 다른 곳에서 사와야 하는 작업이다: 음성 인식 모델, 턴 감지 모델, 그리고 Breeze TTS 2가 읽을 텍스트를 만들어 낼 언어 모델. 이것들을 더하면, 캐스케이드의 3센트짜리 합성은 대개 엔드투엔드 모델의 것보다 더 큰 청구서 아래에 자리한다.

솔직하게 요약하자면, 더 저렴한 음성은 Breeze TTS 2이고 더 저렴한 대화는 GPT-Live-1이며, 이 두 주장 사이의 차이가 바로 음성 에이전트가 실제로 치르는 모든 비용이다.

그들이 실제로 만나게 될 곳

오늘 전화 에이전트를 만들면서 한 업체의 엔드투엔드 스택에 전념하고 싶지 않은 팀이라면 정확히 이런 캐스케이드를 구성할 것이다: 입 역할에는 Breeze TTS 2나 이에 필적하는 엔진, 귀 역할에는 다른 무언가, 사고 역할에는 라우팅된 언어 모델. 이 세 가지 중 마지막이 가장 자주 바뀌는 부분이다. 품질이 가장 빠르게 개선되고, 비용이 가장 크게 달라지며, 이번 분기에 이기는 모델이 다음 분기에 이기는 모델인 경우가 드문 곳이 바로 여기다.

그 계층은 평범한 API 호출이며, 이 스택에서 이식성을 유지할 가치가 있는 유일한 부분입니다. 대략 11개 업스트림 제공업체의 190개 모델이 마크업 없이 제공업체 정가로 단일 OrcaRouter 키 뒤에 자리 잡고 있으므로, 음성 에이전트 뒤의 추론 모델을 교체하는 일은 통합 프로젝트가 아니라 구성 변경에 불과하며, 자동 페일오버 덕분에 백엔드가 타임아웃되더라도 통화가 끊기지 않습니다. GPT-Live-1의 Live Sessions 엔드포인트도 Breeze TTS 2의 호스팅 API도 그런 방식으로는 접근할 수 없습니다 — 이 비교에서 음성 계층은 라우팅 계층의 손이 닿지 않는 곳에 있으며, 그렇지 않은 듯이 암시하기보다 이 점을 분명히 하는 것이 좋습니다.

어느 걸 고를까?

대화 자체가 제품이고 호스팅되는 폐쇄형 프런트엔드를 받아들일 수 있다면 GPT-Live-1을 선택하십시오. 예약 접수 전화선, 1차 지원, 발신자가 상담원의 말을 덮고 말하는 것이 예외가 아니라 일상적인 일인 모든 상황이 그렇습니다. 당신은 끼어들기 처리를 구매하는 것이며, 그 바탕의 추론은 당신이 조정하는 부분인 한편, 예측 가능하게 유지되는 분당 요금으로 그것을 구매하는 것입니다.

Breeze TTS 2는 검사할 수 있는 음성이 필요하거나, 합성이 여러 구성 요소 중 하나에 불과한 제품을 만들고 있거나, GPT-Live-1이 전혀 제공하지 않는 복제와 음성 디자인이 필요할 때 선택하세요. 가중치는 연구용이라는 점, 50개 언어 주장은 두 개 언어로 태그된 카드에 대한 공급업체 주장이라는 점, 지연 시간 수치는 독립적 감사가 아니라 BreezeBlue가 예열된 빠른 경로에서 직접 측정한 값이라는 점을 알고 시작하세요.

이걸 품질 경쟁으로 보는 본능은 잘못된 본능이다. Breeze TTS 2는 자신이 경쟁하는 판에서 최상위권에 가깝고, GPT-Live-1은 완전히 다른 판에서 경쟁한다. 실제로 돈이 드는 결정은 그 둘 모두 밑에 깔려 있는 결정이다. 어떤 모델이 사고를 담당할지, 그리고 그에 대한 마음을 한나절 만에 바꿀 수 있을지다.