GPT-Live-1 vs Fish Audio Drama 3: 하나는 다운로드할 수 있고, 다른 하나는 대여만 할 수 있습니다

Fish Audio Drama 3 Preview41.5기가바이트의 다운로드 가능한 가중치로 제공되므로, 자체 GPU에 올려 검사하고 미세 조정할 수 있으며, 공급업체가 관심을 잃은 후에도 계속 실행할 수 있습니다. GPT-Live-1URL로 제공됩니다. 다운로드할 가중치도, 로컬 추론 경로도 없으며, OpenAI의 v1/live/sessions 엔드포인트를 대상으로 분당 $0.05로 세션을 열지 않고서는 이를 들을 방법이 전혀 없습니다.

그건 조달 세부사항처럼 들리지만, 사실은 결정입니다. 이 두 모델 중 하나는 라이선스가 딸린 자산이고, 다른 하나는 계량기가 딸린 서비스이며, 두 모델은 제품이 가격 페이지보다 오래 살아남을 때 완전히 다르게 작동합니다.

드라마 3이 실제로 무엇인가

Fish Audio는 2026년 10월 중순에 Drama 3 Preview를 공개했습니다. 이는 3,500억 개 매개변수의 전문가 혼합(MoE) 텍스트 음성 변환 모델로, 토큰당 약 30억 개 매개변수가 활성화되며 Qwen3.5-35B-A3B 백본을 기반으로 구축되었습니다. 83개 언어를 지원하고, 단일 요청 내에서 최대 16명의 서로 다른 화자를 수용하며, 짧은 참조 음성으로 목소리를 복제하고, 일상적인 언어로 연출 지시를 받아들입니다. 즉, 특정 대사가 체념한 듯 들리게 해 달라, 소리를 추가해 달라, 또는 어떤 단어를 바꿔 읽을지 표시해 달라고 하면, 밋밋하게 읽어 넘기지 않고 그 지시를 수행합니다.

다중 화자 지원 상한은 상업적으로 중요한 기능입니다. 두 명의 배우가 등장하는 오디오 드라마, 진행자와 게스트가 있는 팟캐스트, 내레이터와 고객이 등장하는 교육 영상 — 이런 작업은 각각 한 번의 API 호출로 처리되며, 룸 톤이 서로 맞지 않는 열여섯 개의 파일을 이어 붙여 만든 결과물이 아닙니다.

2026년 10월 29일 기준 Artificial Analysis의 Provider Voice Arena에서 Drama 3 Preview는 1240 Elo로 전체 11위이며, 오픈 웨이트 참가작 중 1위로 1228의 Breeze TTS 2보다 앞서 있습니다. Fish는 발음 견고성이 93.2%라고 보고했는데, 이는 출시 당시 발표된 수치 중 가장 높으며 ElevenLabs가 Eleven v4에 대해 보고한 91.7%보다 높습니다.

GPT-Live-1은 실제로 무엇인가

OpenAI의 모델은 정반대 유형의 객체입니다. 2026년 9월 10일부터 음성 분당 0.05달러로 호출할 수 있으며, 초 단위로 청구되고, 입력과 출력 모두 오디오와 텍스트를 지원하며, 스트리밍과 함수 호출은 지원하지만 구조화된 출력은 명시적으로 지원하지 않습니다. 이 모델은 전이중 방식으로, 말하는 동안에도 사용자의 말을 듣고, 무거운 추론은 백그라운드의 텍스트 모델에 맡깁니다.

보이스 클로닝 제품도, 멀티 스피커 모드도 없고, 대본을 입력해 결정론적 오디오 파일을 돌려주는 문서화된 방법도 없다. 그것이 가진 것은 대화다. 전화 응대 에이전트에게는 그것이 정확히 알맞다. 네 명의 등장인물이 나오는 장면에서는 더 나쁜 도구가 아니라, 도구의 종류 자체가 잘못된 것이다.

양측이 인쇄하는 번호

사양서를 비교하는 누구라도 혼란스러울 만한 점이라 짚고 넘어갈 만한 세부 사항이 있습니다: Fish Audio의 {{1}}Drama 3{{/1}}와 Ant Group의 {{2}}Ming-3.0-TTS{{/2}}는 동일한 Artificial Analysis 측정에서 발음 견고성이 93.2%라고 모두 보고합니다. 서로 다른 두 연구소, 서로 다른 두 아키텍처인데 소수점 첫째 자리까지 같습니다.

그것은 복사-붙여넣기 오류가 아니며 동점도 아닙니다. 그것은 성능 상한선이 어떤 모습인지를 보여줍니다 — 남은 6.8%는 영어 텍스트의 까다로운 잔여 구간입니다: 영숫자 시퀀스, 특이한 고유명사, 문맥에 따라 읽히는 숫자들. 최상위 오픈 웨이트 모델들 사이에서 결정적인 발음 우위를 주장하는 사람은 노이즈를 읽고 있는 것입니다. 유용한 질문은 당신의 콘텐츠에 실제로 어떤 실패 사례가 포함되어 있느냐이며, 그러려면 리더보드를 읽는 것이 아니라 당신 자신의 텍스트를 테스트해야 합니다.

라이선스는 아무도 읽지 않는 부분입니다.

드라마 3는 개방형 가중치이지, 허용적 의미의 오픈 소스는 아니다. 이는 Fish Audio 커뮤니티 라이선스 v1.0에 따라 배포된다: 연구 및 비상업적 작업에는 무료이고, 연 매출 500,000달러 미만의 상업적 사용에는 무료이며, 그 이상은 별도 계약이 필요하다. 제3자 API 호스팅에는 자체 라이선스가 필요하고, 출처 표시가 요구된다.

그것은 합리적인 라이선스이자 실질적인 제약입니다. 세 가지 결과가 따릅니다:

• 수익선 아래에서는 자체 호스팅이 진정으로 무료입니다 — 전기료와 GPU 시간 외에는 아무것도 지불하지 않습니다.

• 그보다 윗단계에서는 다시 협상 국면으로 돌아가게 되고, "우리가 가중치를 소유한다"는 우위는 "대화하는 동안에도 여전히 그것들을 실행할 수 있다"는 정도로 좁혀진다.

• 자체 고객에게 접근 권한을 재판매하려면 매출 규모와 관계없이 거의 확실히 별도의 계약이 필요합니다.

GPT-Live-1의 라이선스는 임대 계약이 더 단순한 방식으로 더 단순합니다. 분당 요금을 지불하고, 사용하고, 중단하면 됩니다. 매출 기준도, 출처 표시 조항도, 고객 수를 공개할 의무도 없습니다. 그 단순함에는 가치가 있으며, 규모가 작을수록 그 가치는 더 큽니다.

하드웨어에 실제로 드는 비용은 얼마일까

드라마 3을 셀프 호스팅하려면 FP8 기준 대략 48GB의 NVIDIA 메모리가 필요하고, 그중 약 41.5GB가 가중치입니다. H100이나 대여한 A100급 인스턴스라면 이를 감당하지만, 소비자용 그래픽 카드는 넉넉하게 감당하지 못합니다. 이어서 두 가지 프레이밍이 나옵니다.

GPU를 이미 보유하고 있다면 합성의 한계 비용은 거의 0에 가깝고 호스팅 가격은 터무니없어 보입니다. Fish는 100만 자당 $50을 제시하며 2026년 11월 12일까지 100만 자당 $10의 출시 프로모션을 진행하고, Artificial Analysis는 게시 가격을 $15로 기록합니다. 약 9,000자 분량의 10분짜리 장면은 실제로 이 세 숫자 중 어느 것이 청구되느냐에 따라 9센트에서 45센트 사이의 비용이 듭니다.

GPU를 직접 소유하지 않는다면 어차피 임대하는 것이므로, 비교는 GPU-시간 대 백만 문자 기준이 됩니다. 일반적인 GPU-시간당 $2 기준으로, 실시간보다 10배 빠르게 합성하는 모델은 임대 1시간당 약 10시간 분량의 오디오를 생성합니다 — 보통 말하기 속도로 대략 540,000자입니다. 이는 백만 문자당 약 $3.70에 해당하며, 가격표에 있는 모든 호스팅 가격보다 훨씬 낮지만, 지속적으로 활용할 때만 그렇습니다. 듀티 사이클이 약 30% 아래로 떨어지면 임대는 아무 이득도 없으며, 처리량에 대한 가정은 정확히 그렇습니다: 직접 인스턴스에서 측정해야 하는 가정이지, Fish가 공개하는 수치가 아닙니다.

이에 비해 GPT-Live-1의 비용은 선형적이고 지루할 만큼 단순합니다. 분당 $0.05, 매분 동일하며 고정 비용도 활용률 리스크도 없습니다. 10분 대화는 $0.50입니다. Drama 3 내레이션 10분은 기록된 게시 가격 기준으로 약 $0.135입니다. 하는 일도 다르고 측정 기준도 다르며, 그중 하나에는 {{1}}상각할 수 있는 고정 비용{{/1}}이 있습니다.

렌털이 여전히 앞서는 곳

규정 준수는 호스팅 모델을 지지하는 조용한 논거입니다. Drama 3의 가중치는 복사될 수 있고, 경쟁사 제품에 맞춰 미세 조정될 수 있으며, 법무팀이 탐탁지 않아 하는 관할권에서 계속 돌아가고 있을 수도 있습니다. GPT-Live-1은 엔드포인트, 청구서, 그리고 모델 측 위험을 짊어지는 공급업체를 제공합니다. 규제를 받는 기업에게 이는 나태함이 아니라 보험료입니다.

지연 정책이 두 번째입니다. 완전 이중 턴테이킹은 체크포인트가 아니라 행동입니다. 0.8초 턴과 87% 도구 호출 정확도는 OpenAI가 이 모델에 대해 보고한 수치이며, 둘 다 독립적인 측정이 아닌 공급업체 수치입니다. Drama 3로 그런 행동을 다운로드할 수는 없습니다. Drama 3는 당신의 말을 들으려고 하지 않기 때문입니다.

그리고 {{1}}장애 처리{{/1}}가 {{2}}세 번째{{/2}}입니다. 다운로드 가능한 모델은 GPU가 고장 나면 실패합니다. 호스팅 모델은 다른 사람의 GPU가 고장 나면 실패합니다 — 이는 다른 위험이며, 분명히 더 나쁜 위험은 아니고, 헤지할 수 있는 위험입니다.

생울타리를 어디에 둘까

안전장치는 음성 계층 안이 아니라 그 뒤에 있어야 합니다. 이 두 모델 중 어느 것도 OrcaRouter에서 제공되지 않습니다. Drama 3의 가중치는 우리 카탈로그에 없고, GPT-Live-1은 엔드포인트가 정확히 하나이며 호환되는 표면이 없습니다. 라우팅이 가능한 것은 대화형 에이전트가 의존하는 추론 레그입니다 — GPT-6 Astra, GPT-5.6 Terra, Claude, Gemini, Qwen 등 — 단일 키로 자동 장애 조치를 통해 접근할 수 있으며, 공급자 목록 가격을 0% 마크업으로 그대로 전달합니다.

바로 그곳이 이중화 예산을 써야 할 곳입니다. 음성 출력이 실패하는 것은 크고 분명하게 드러납니다. 하지만 그 뒤의 텍스트 모델이 실패하는 것은 일주일 동안 통화 품질을 조용히 망치는 실패입니다. 귀는 선택한 모델에 고정해 두세요. 두뇌는 교체 가능하게 유지하세요.

결정 사항을 각각 한 문단으로

대화보다 오디오를 제작한다면—장면, 팟캐스트, 더빙, 다중 캐릭터 교육 콘텐츠—Drama 3를 선택하세요. 또한 매출 기준 미달이거나 그 기준을 넘어서더라도 협상할 준비가 되어 있다면 선택하세요. 35B MoE, 16명 화자 상한, 1240 Elo는 정말 강력한 패키지이며, 가중치는 누구도 당신에게서 그것을 빼앗을 수 없다는 뜻입니다.

제품이 실시간 대화이고 그 가치가 인터럽트 처리에 있다면 GPT-Live-1을 선택하십시오. 제공되는 분당 비용은 더 높고, 소유할 것은 없으며, Drama 3이 구조적으로 할 수 없는 단 한 가지를 해냅니다: 말하면서 듣는 것입니다.

이 둘은 스펙표에서는 나란히 붙어 있지만 실제 사용에서는 서로 전혀 동떨어져 있다. 하나를 사면서 다른 하나의 역할을 기대하는 사람은 그 모델이 나쁘다고 결론 내리겠지만, 그 모델은 애초에 그 일을 하도록 요구된 적이 없을 뿐이다.