Phonic 1 대 ElevenLabs: 벤더가 귀하의 이탈을 위해 지불해야 하는 금액이 경쟁의 실체를 보여준다

가장 많은 정보를 주는 숫자는Phonic 1 대 ElevenLabs 맞대결에서 벤치마크가 아니다. 그것은 할인이다. 2026년 10월 말에 보도된 Phonic의 출시 혜택에는 ElevenLabs 또는 Bland에서 전환하는 팀을 위한 3개월 무료 이용과 11월 30일 전에 가입하는 모든 사람을 위한 250달러 크레딧이 포함된다. 제품에서 이길 것으로 기대하는 업체를 상대로 누구도 이전을 보조하지 않는다. 그들은 고객이 모델 이외의 무언가로 묶여 있는 업체를 상대로 이전을 보조한다.

그 ‘무언가’가 바로 ElevenLabs의 핵심입니다. 17,000개 이상의 음성이 담긴 보이스 라이브러리, 90개 이상의 언어, 렌더링된 오디오의 기준 표준으로 여전히 자리하는 텍스트 음성 변환 제품군, 그리고 이를 중심으로 구성된 에이전트 플랫폼이죠. Phonic 1은 모델 하나, 청구서 하나입니다. ElevenLabs는 여러분이 그 안에서 제품을 구축해 온 회사입니다. 두 가지 형태를 염두에 둘 때만 이 비교는 의미가 있습니다. 벤치마크 표에서는 답이 명확하지만, 조달 결정에서는 그렇지 않기 때문입니다.

Eleven Realtime v1 Max가 바로 그 모델이며, 생각하시는 것보다 더 최신입니다.

ElevenLabs의 음성-음성(speech-to-speech) 분야 진출 모델은 Eleven Realtime v1 Max로, 2026년 10월 20일 더 작은 v1 Mini와 함께 순차 출시 형태로 발표되었다. 이는 Phonic 1의 출시 보도보다 열흘 앞선 시점이다 — 이는 신생 주자가 도전을 받는 성숙한 현역 모델의 구도가 아니다. 출시 당시 서로에 대해 거의 알지 못했던 두 모델인 것이다.

• Eleven Realtime v1 Max — 음성-음성 지수 77.3, 추론 99, 대화 다이내믹스 94.1, 에이전트 능력 47.6, 아레나 선호도 990, 작업 성공률 87.1%, 첫 오디오까지 걸리는 시간 0.57초.

• Phonic 1 (High) — 음성-대-음성 지수 87.1, 추론 99, 대화 역동성은 보고되지 않음, 에이전틱 79.9, 아레나 선호도 1,012, 과제 성공률 92.3%, 첫 오디오까지의 시간 0.61초.

• Eleven Realtime v1 Mini — 음성-대-음성 지수 64.4, 추론 76, 다이내믹스 95.8, 에이전틱 46.8, 아레나 981, 작업 성공률 60.3%, 첫 오디오까지 걸리는 시간 0.62초.

위 수치는 모두 어느 벤더의 것도 아닌 Artificial Analysis의 것이다. 이 비교가 말하는 것과 말하지 않는 것에 주목하자. Phonic은 종합 지수에서 9.8점, 에이전틱 구성 요소에서 32.3점 앞선다 — 그 격차가 너무 커서 이 맞대결에서 아키텍처를 바꿔야 할 유일한 수치다. 아레나 선호도에서는 22점 앞서는데, 22점의 Elo 차이가 실질적이지만 결정적이지는 않은 척도에서 그렇다. 작업 성공률에서는 5.2점 앞선다. 지연 시간에서는 0.61초 대 0.57초로 근소하게 뒤지며, 둘 다 전화 통화에 중요한 1초 기준 아래에 있다.

실제로 당신의 결정을 바꿔야 하는 격차

에이전트 성능, 즉 79.9% 대 47.6%는 곱씹어볼 만한 숫자입니다. 이는 모델이 단순히 대화를 이어갈 수 있는지가 아니라, 도구를 호출하고 그 결과에 따라 행동해야 하는 작업을 완수할 수 있는지를 측정합니다. 그리고 이는 더 작고 새로운 연구소가 17,000명의 목소리와 10년간 쌓아온 제품 접점을 갖춘 회사를 앞선 유일한 지점입니다. 여러분의 에이전트가 통화자가 기다리는 동안 무언가를 조회하거나 예약하거나 변경하는 일을 맡는다면, 이 수치가 실제 사용자와의 접촉에서 완료율이 살아남을지를 예측합니다.

ElevenLabs의 94.1점인 대화 역학 점수와 Phonic의 아직 보고되지 않은 점수를 맞세워 보면, 그것은 Phonic의 스코어보드에 있는 정직한 빈틈이며, Artificial Analysis 자체의 구조는 그것이 헤드라인 지수에 드러나지 않는 이유를 설명해 준다. 종합 점수는 음성 추론, 에이전트 성능, 아레나 선호도, 작업 성공률이라는 네 가지 구성 요소의 가중 평균이며, 대화 역학은 지수의 입력 항목 중 하나가 아니라 지수와 함께 별도로 보고된다. 따라서 Phonic에서 빠진 대화 역학 수치는 87.1점에는 아무 영향도 주지 않으면서, 지수가 말해 줄 수 없는 것을 알려 준다: 아직 아무도 이 모델이 길고 지저분하며 스스로 말을 끊는 대화를 얼마나 잘 이어 가는지 측정하지 않았다. 그 항목이 채워지기 전까지는 Phonic이 ElevenLabs보다 더 자연스럽게 들린다는 주장도, 그 반대 주장도 뒷받침되지 않는다.

그 전환이 실제로 당신에게 치르게 하는 비용, 모델이 아닌 것들에서

가격은 Phonic이 내세우는 논점이며, 대표 요율에서는 그것이 맞습니다. Phonic의 스타터 티어는 대화 분당 $0.07이고 토큰 비용 전가가 없습니다. Eleven Realtime v1 Max는 연결된 오디오 분당 $0.080에더해 모델 토큰 비용이 입력 100만 개당 $1.80, 출력 100만 개당 $9.00이며, 동시성 허용량을 초과하면 요율이 $0.160까지 치솟습니다. 분당 요금은 보이는 절반입니다.

• 대표 요금 — Phonic 1은 분당 $0.07(Pro 티어는 월 최소 $200 조건에서 $0.065)이고, Eleven Realtime v1 Max는 분당 $0.080입니다.

• 요금에 포함되지 않는 항목 — Phonic 1은 토큰당 또는 LLM 요금이 없다고 명시합니다. Eleven Realtime v1 Max는 분당 요금에 모델 토큰을 추가로 청구하며, 버스트 트래픽에는 두 배 요율을 적용합니다.

• 음성 인벤토리 — ElevenLabs는 17,000개 이상의 음성과 90개 이상의 언어를 제공합니다. Phonic 1은 대화 중 전환 시 동일한 음성을 유지하면서 50개 이상의 언어를 지원한다고 명시합니다.

• 배포 — Phonic 1은 클라우드, 단일 테넌트, VPC 피어링, 셀프 호스팅을 제공합니다. ElevenLabs는 호스팅형 플랫폼이며, 자사의 릴리스 노트에서도 출시 시점에 일부 데이터 상주(data-residency) 환경에서는 실시간 모델을 사용할 수 없다고 명시한 바 있습니다.

• API 형태 — Eleven Realtime v1 Max는 출시 시점에 WebRTC 없이 WebSocket을 통해 OpenAI-Realtime과 호환되며, Phonic 1은 인라인 도구 선언과 함께 양방향 24kHz PCM의 WebSocket 엔드포인트를 실행합니다.

3개월 무료는 실제 숫자이지만, 서비스를 이전하는 비용에 비하면 반올림 오차에 불과합니다. 음성 아이덴티티는 어떤 비교 페이지에도 등장하지 않는 항목입니다. 프로덕션 에이전트가 클론된 브랜드 음성으로 말한다면, 그 음성은 ElevenLabs의 약관에 따라 ElevenLabs의 라이브러리에 존재합니다. Phonic은 복제 기능을 제공하지만, 클론된 음성은 이식 가능한 파일이 아니며, 다시 복제하면 같은 음성이 아니라 다른 음성이 만들어집니다. 특정 음색을 중심으로 브랜드를 구축한 팀은 분당 요율을 책정하기 전에 그 비용을 먼저 계산에 넣어야 합니다.

두 번째, 더 조용한 이식성 문제가 있습니다. ElevenLabs 에이전트는 하나의 스택입니다: 음성, 프롬프트, 도구, 대화 흐름. 모델을 옮긴다는 것은 흐름을 다시 구축해야 한다는 뜻이며, 도구 정의는 함께 따라오지 않습니다. 바로 그 연결 계층에서 마이그레이션이 보통 좌초되며, 또한 어떤 단일 벤더에서 임대하기보다 직접 소유할 가치가 있는 계층이기도 합니다. 에이전트의 추론 및 도구 호출 구간은 오늘날 OrcaRouter에서 실행되는 부분입니다 — 하나의 키로 200개 이상의 모델을 정가 그대로, 마크업 없이, 저렴한 턴은 저렴하게 유지하는 라우팅 규칙, 그리고 자동 장애 조치로 제공자 측의 일시적 문제가 실시간 통화에서 침묵으로 이어지지 않도록 합니다. Phonic 1도 Eleven Realtime v1 Max도 우리 카탈로그에 없으며, 각각은 여전히 자체 벤더에서 제공됩니다. 차이는 떠날 때 무엇을 남기느냐입니다.

ElevenLabs가 여전히 정답인 경우

ElevenLabs의 TTS 라인은 라이브 에이전트가 아닌 모든 용도에서 가장 합리적으로 판단되는 기본 선택으로 남아 있습니다. Eleven v4 음성 모델은 Artificial Analysis의 통제된 음성 아레나에서 약 1,157 Elo 수준이며 백만 자당 약 $80이고, Eleven v3는 백만 자당 $100입니다. 둘 다 Cartesia Sonic 3.6의 정규화된 $49보다 훨씬 높으며, 내레이션, 오디오북, 더빙 및 브랜드 공지에서 그 가치를 입증합니다. 오디오가 곧 제품인 경우입니다.

사용 사례가 “이 텍스트를 우리 브랜드 보이스로 아름답게 읽어 주는 것”이라면, ElevenLabs 대 Phonic 1이라는 질문은 경쟁력 있는 비교가 아닙니다. Phonic은 일반 낭독 엔진을 판매하지 않고 대화형 에이전트를 판매합니다. 스크립트된 카피를 렌더링하기 위해 음성 대 음성 모델을 구매하는 것은 결코 사용하지 않을 추론에 비용을 지불하는 것이며, 바로 그 부분을 측정하는 아레나에서 ElevenLabs보다 독립적으로 높은 점수를 받은 적 없는 음성 품질을 얻는 것입니다.

범위와 성숙도 문제도 있습니다. 90개 이상의 언어 대 50개 이상, 17,000개 이상의 음성 대 엄선된 세트, 그리고 에이전트 제품, SDK, 팀이 이미 읽고 있는 변경 로그를 갖춘 플랫폼입니다. 이런 것들은 출시 주에 나온 모델이 축적할 시간을 갖지 못한 것들입니다.

할인은 실제로 누구를 위한 것인가

전환 제안은 특정 구매자 한 명에게만 합리적입니다. 바로 실제 거래 업무를 수행하는 에이전트를 보유하고, 음성 정체성이 범용이거나 재복제 가능한 자사 것이며, 현재 스택이 처음부터 끝까지 ElevenAgents인 팀입니다. 그런 팀에게 에이전틱 격차는 제품 문제이고, 3개월 무료는 실패할 수도 있는 마이그레이션에 대한 실질적인 대비책이며, 분당 정액 청구는 재무팀이 매달 해온 모델링 작업을 없애줍니다.

그 외 모두는 기다리면서 Phonic이 다음에 무엇을 내놓을지 지켜봐야 한다. 이걸 매듭지을 두 가지가 있다. 같은 보드에 올라오는 대화 역학 점수 — 이게 있어야 지수의 네 번째 구성 요소가 가정에서 벗어난다 — 그리고 데모 밖에서 업체의 '말하면서 도구를 호출한다'는 주장을 독립적으로 측정한 결과다. 둘 다 아직 없다. 일주일밖에 안 된 모델이고, 뒤에 선 보드는 하나뿐이며, 블랙 프라이데이를 한 번도 치러본 적이 없는 모델 — 그 위로 매출 라인을 옮기지는 않는다. 하지만 바로 그런 모델이야말로 페일오버 경로 뒤에 두고 한 달 동안 자사 트래픽과 비교해 측정할 대상이다.

솔직한 요약은 비대칭적이다. Phonic 1은 만들기 가장 어렵고 측정하기 가장 쉬운 일, 즉 에이전트 작업을 완료하는 일에서 더 낫다. ElevenLabs는 그것을 둘러싸고 측정하기 더 어려운 모든 것, 즉 음성 정체성, 언어 지원 범위, 그리고 귀하의 팀이 이미 잘 알고 있는 제품에서 더 낫다. 세 달 무료 제공은 어느 쪽에 대한 평가도 아니다. 그것은 주변 요소들이 고객을 붙잡아 두는 요인임을 인정하는 벤더의 고백이며, 그런 요소들이 90일 안에 충분히 재구축될 수 있다는 베팅이다.