HeyGen Voice vs Cartesia Sonic 3.6: 복제 음성 챔피언, 90ms 미만의 기존 강자에 도전

HeyGen Voice와 Cartesia Sonic 3.6은 Artificial Analysis에서 서로 다른 두 가지 1위 주장을 내세우고 있으며, 두 제품의 비교는 전적으로 그 둘 사이의 간극에 달려 있습니다. HeyGen Voice는 1,202 Elo로 Controlled Voice 아레나에서 1위를 차지합니다. 이 리더보드에서는 모든 모델이 동일한 8개의 복제 음성, 즉 미국 음성 4개와 영국 음성 4개로 말합니다. Cartesia Sonic 3.6은 1,280 Elo로 Provider Voices 아레나에서 4위이며, 여기서는 각 벤더가 자체 네이티브 음성을 제공합니다. 또한 Cartesia 자체 사이트에는 Speech Arena와 Speech to Text 리더보드 모두에서 #1 순위를 주장하는 배지가 있습니다. 이는 벤더가 표시한 주장으로, 현재 라이브 Artificial Analysis 표에서는 최상위 위치에서 이를 뒷받침하지 않습니다. 한 엔진은 음성이 고정된 테스트에서 이기고, 다른 엔진은 실제 프로덕션 예산이 걸린 테스트에서 앞섭니다.

각 모델이 실제로 무엇에 최적화되어 있는지부터 시작하세요

Sonic 3.6은 스트림으로 소비되도록 설계되었습니다. Cartesia의 자체 제품 페이지는 "90ms 이내 첫 오디오"를 앞세우는데 — 이는 벤더가 보고한 것이며 재현되지 않았습니다 — 같은 페이지에서는 일급 스트리밍을 지원하는 실시간 TTS API를 설명합니다. 이는 단일 모델로 44개 언어를 지원하고, 기본적으로 감정적 맥락을 해석하며, 대본에 적힌 웃음과 같은 비언어적 신호를 받아들이고, 약 10초 분량의 오디오로 음성을 복제하며, 기존 오디오를 다른 언어로 현지화하고, 도메인 용어와 고유 명사를 위한 사용자 지정 발음 사전을 받아들입니다. 이러한 모든 기능은 동일한 고객을 겨냥합니다: 빠르게, 발신자가 이해하는 언어로 응답하는 것입니다.

HeyGen Voice는 퍼포먼스로 소비되도록 설계되었습니다. 이는 HeyGen의 사내 엔진으로, 회사의 v3 API를 통해 제공되며, 수십 개 언어에 걸쳐 300개 이상의 사전 제작된 음성과 사용자 지정 음성으로 가는 세 가지 경로를 갖추고 있습니다 — 최대 1,000자로 제한된 프롬프트에서 순위가 매겨진 최대 세 가지 옵션을 반환하는 설명 기반 음성 디자인, 녹음 한 번으로 만드는 즉시 클론, 그리고 20분 이상으로 훈련된 전문 클론입니다. 요청별 튜닝 범위는 속도 0.5에서 1.5까지, 피치는 ±50반음 범위입니다. HeyGen의 공개 자료 어디에도 지연 시간 수치를 약속하는 내용은 전혀 없습니다.

그 비대칭성이 바로 이 글의 전부다. 한 모델은 밀리초 수치는 공개하면서 글자당 가격은 공개하지 않고, 다른 모델은 가격은 공개하면서 지연 시간 수치는 공개하지 않는다.

점수판

• 통제된 음성 Elo(동일한 복제 음성 8개) — HeyGen Voice: 1,202, 42개 중 1위. Sonic 3.6: 1,143, 5위.

• 제공업체 음성 Elo(네이티브 음성) — HeyGen Voice: 순위 없음, 투표 수 부족. Sonic 3.6: 1,280, 96개 중 4위.

• 공개 가격 — Sonic 3.6: 100만 자당 $49.00, 벤더 요율표 기준. HeyGen Voice: HeyGen의 크레딧 가격을 아레나 자체 환산 기준으로 적용한 100만 자당 $30.00; HeyGen은 자체 음성 요율을 공개하지 않음.

• 지연 시간 — Sonic 3.6: 첫 오디오까지 90ms 미만(공급업체 보고, 재현되지 않음). HeyGen Voice: 공급업체가 공개하거나 Artificial Analysis가 측정한 수치 없음.

• 언어 — Sonic 3.6: 단일 모델에서 44개. HeyGen Voice: "수십 개 언어"에 걸쳐 300개 이상의 음성, 개수로는 명시되지 않음.

• 사용자 지정 음성 경로 — Sonic 3.6: 약 10초 클론. HeyGen Voice: 텍스트 설명 기반 음성 디자인, 즉석 클론 또는 20분 이상으로 학습된 전문가용 클론.

올바르게 읽은 Elo 격차

통제된 아레나에서의 59점 우위는 공급자 보드에서 137점 열세로 뒤집히지만, 이 반전은 모순이 아니다. 통제된 보드는 벤더가 유리하게 들리는 목소리를 고를 수 있는 능력을 제거하고, 엔진이 스스로 선택하지 않은 목소리를 어떻게 처리하는지 묻는다. HeyGen Voice가 그 부분에서 이긴다. 공급자 보드는 벤더 자체의 최고 목소리가 얼마나 좋게 들리는지를 묻는데, 이는 고객이 세일즈 데모에서 듣는 것에 더 가깝다 — 그리고 Sonic 3.6은 거기서 좋은 성적을 내며 96개 중 4위이고, 1위인 Eleven v4 Turbo에 38점 뒤진다.

두 수치 중 어느 것도 범용적인 진실이 아니다. 특정 인물을 클로닝하고 엔진이 그 인물을 설득력 있게 렌더링해야 한다면, 통제된 결과가 더 나은 예측 지표이며, HeyGen Voice가 현재 이를 앞선다. 대규모로 독특하게 들려야 하는 에이전트를 위해 라이브러리에서 음성을 고르는 경우에는, 제공자 결과가 더 나은 예측 지표이며, Sonic 3.6은 HeyGen Voice에는 없는 순위를 보유하고 있다.

예전 수치를 참고하는 분들이라면 유념할 만합니다. 이 두 보드는 투표가 쌓이면서 계속 바뀝니다. 2026년 초에는 Sonic 3.6이 controlled-voice 보드에서 단독 선두를 차지한 것으로 보고되었지만, 현재 표에서는 1,143점으로 그 보드에서 5위이며, 그 위에는 HeyGen Voice, Qwen-Audio-3.1-TTS-Plus, 그리고 두 개의 Eleven v4 등급이 있습니다. 리더보드 인용은 타임스탬프일 뿐, 모델의 영구적인 속성이 아닙니다.

가격 비교가 무너지는 지점

Sonic 3.6의 백만 자당 $49.00은 아레나 자체의 벤치마크 가격으로, 벤더가 기본 설정에서 공개한 API 요금에서 가져온 것입니다. 따라서 통합 코드를 한 줄도 작성하기 전에 다섯 자릿수에 달하는 월 오디오 요금을 계산할 수 있습니다.

HeyGen의 수치는 더 모호하지만, 존재하기는 합니다. 아레나의 가격 차트에는 HeyGen Voice가 백만 자당 $30.00로 — Sonic 3.6보다 19달러 낮게 — 등재되어 있으며, 그 수치는 HeyGen이 공개한 요금이 아니라 Artificial Analysis가 HeyGen의 크레딧 가격을 환산한 값입니다. HeyGen 자체 페이지에서는 크레딧을 판매하고(Creator는 월 $29에 600크레딧, Pro는 $49에 1,000크레딧, Business는 $149에 1,500크레딧) 소비량이 모델, 길이, 생성 복잡도에 따라 달라진다고 분명히 밝히면서도, 그 크레딧을 문자 수로 환산한 적은 없습니다. 따라서 controlled-voice 리더보드에서 1위를 차지한 모델이 5위에 오른 모델보다 훨씬 낮은 가격에 책정되어 있고, 그 격차는 검증할 수 있는 요금표가 아니라 자신의 텍스트와 대조해 확인하고 싶은 파생 수치입니다.

그것은 HeyGen Voice에 반대하는 논거가 아닙니다. 그것은 측정할 여유가 있는 트래픽에서 HeyGen Voice를 테스트해야 한다는 논거입니다. 왜냐하면 여러분의 파이프라인에서 HeyGen Voice의 실제 비용을 알아내는 유일한 방법은 여러분의 텍스트를 직접 HeyGen Voice에 통과시켜 보는 것이기 때문입니다.

그것들 중에서 선택하기

음성이 응답해야 할 때는 Sonic 3.6을 선택하세요. 첫 오디오까지 90ms 미만, 스트리밍 네이티브 API, 하나의 모델로 지원하는 44개 언어, 그리고 — 결정적으로 — 공개된 요금표가 있기에, 대화형 에이전트, IVR, 그리고 잠깐의 멈춤도 버그로 취급되는 모든 환경에서 가장 위험 부담이 낮은 프로덕션 선택이 됩니다. controlled-voice 부문에서의 #5 순위는 약점이 아니라 존중할 만한 성과이며, 더 넓은 리더보드에서의 4위는 두 모델 중 어느 쪽이든 지니는 가장 강력한 독립적 신호입니다.

음성이 제 역할을 해내야 할 때에는 HeyGen Voice를 먼저 테스트하세요. 내레이션, 브랜드 낭독 콘텐츠, 캐릭터 작업, 그리고 한 명의 화자를 클로닝하여 그 화자의 클론이 송출되는 음성 중 가장 듣기 좋은 소리가 되어야 하는 모든 프로젝트 — 바로 그것이 통제된 아레나가 측정하기 위해 구축된 과업이며, HeyGen Voice가 방금 승리한 과업입니다. 20분 이상의 데이터로 훈련된 전문가용 클론 경로는 10초 즉석 클론과는 실질적으로 다른 제품이며, 아레나의 8개 클로닝된 참조 음성과 일치하는 것도 바로 이 경로입니다.

단일 Elo 수치만 믿고 둘 중 하나를 고르지 마세요. 두 리더보드가 이 모델들에 대해 서로 다른 평가를 내놓는다는 것은, 리더보드가 여러분에게 진짜 중요한 무언가를 말해 주고 있다는 뜻입니다. 품질은 엔진만이 아니라 음성과 작업 부하에 달려 있습니다.

커밋하지 않고 둘 다 실행하기

이런 의견 불일치를 헤쳐 나가는 실용적인 방법은 이를 조달 결정으로 취급하는 것을 그만두는 것입니다. 두 엔진을 하나의 인터페이스 뒤에 두고, 트래픽을 분할한 다음, 자체 오디오로 판단하세요 — 몇 줄의 내레이션과 라이브 에이전트 루프가 50 Elo 점수보다 더 많은 것을 알려줄 것입니다. OrcaRouter는 두 엔진 모두를 단일 API 키를 통해 공급자 정가로 마크업 없이 라우팅하므로, 공급업체의 자체 요금표가 곧 지불하는 가격이며 Sonic 3.6의 가격 변동이 갱신 시점이 아니라 같은 날 반영됩니다. 자동 장애 조치는 대부분의 모델 교체 때보다 여기서 더 중요합니다. 문장 중간에 멈추는 음성 공급자는 발신자에게 들리기 때문입니다. 또한 라우팅 DSL을 사용하면 지연에 민감한 턴에는 한 엔진을, 사전 렌더링된 내레이션에는 다른 엔진을 고정할 수 있으므로 두 개의 통합을 유지할 필요가 없습니다.

무엇이 그것을 해결할까요?

두 가지다. HeyGen이 문자당 또는 크레딧당 음성 요금을 공개한다면 이 비교의 비용 측면이 품질 측면만큼 구체적으로 될 것이고, HeyGen Voice가 Provider Voices 아레나에 진입할 만큼 충분한 표를 모은다면 제어된 음성 우위가 네이티브 음성과 맞닥뜨려도 유지되는지 알 수 있을 것이다 — Sonic 3.6이 96개 중 4위로 이미 통과한 테스트다. 그때까지 Sonic 3.6은 가격과 지연 시간 수치를 갖춘 현역이고, HeyGen Voice는 더 나은 복제 음성 근거를 가졌지만 나란히 놓을 비용은 없는 도전자다.