Rime Prism vs Breeze TTS 2: 비교 기준은 라이선스다

가장 유용한 점은Rime Prism 옆에Breeze TTS 2를 두고 비교해서 알 수 있는 것이 어느 쪽이 더 좋게 들리는지가 아니라는 것이다. 그것은 둘 중 하나는 모델 가중치가 연구 및 비상업적 용도로 제한된 Apache-2.0 리포지토리이고, 다른 하나는 분당 과금 방식의 상용 서비스라는 점이다. 그 단일한 비대칭성이 지연 시간, 가격, 음성 품질이 고려되기도 전에 비교 결과를 결정한다. 2026년 10월 28일에 출시된 Prism은 통화 오디오 1분당 $0.080에 제공되는 호스팅형 음성-대-음성 모델로, 각 답변을 말하기 전에 텍스트로 작성한다. BreezeBlue가 2026년 8월 25일에 출시한 Breeze TTS 2는 직접 실행하는 30억 개 파라미터의 오픈 가중치 텍스트-음성 변환 모델이며, 에이전트가 아니라 구성 요소다.

그것들은 서로의 대체재가 아니다. 이 둘을 순위로 매기는 거의 모든 페이지가 이들을 같은 축 위의 두 지점으로 취급하지만, 그런 틀 짓기는 사람들에게 몇 주씩을 날리게 한다는 점에서 잘못되었다. 이제 각각이 실제로 무엇인지, 그리고 결정이 정말로 어디에서 이루어지는지 살펴보자.

하나는 모델이고, 다른 하나는 시스템입니다.

설명을 나란히 읽어 보면 범주 오류가 분명해집니다.

• 하는 일 — Prism은 발신자 오디오를 입력받아 에이전트 음성을 출력하기까지 전 과정을 처리하며, 그 사이에 텍스트 체크포인트가 있습니다. Breeze TTS 2는 텍스트를 입력받아 음성을 출력합니다. 끝입니다.

• 대체하는 것 — Prism은 음성 인식 모델, 언어 모델, 합성 모델, 그리고 이들이 하나의 대화처럼 작동하게 만드는 연결 요소를 대체합니다. Breeze TTS 2는 합성 모델만을 대체합니다.

• 누가 운영하나 — Prism은 Free, Flex, Scale 티어에서 Rime의 클라우드로 운영되며, VPC와 온프레미스는 Enterprise에서만 지원됩니다. Breeze TTS 2는 다른 누구의 GPU도 아닌, 당신의 GPU에서 실행됩니다.

• 아직 구축해야 할 것 — 체크포인트를 읽는 정책 계층인 Prism과 함께. Breeze TTS 2와 함께라면 인식, 턴테이킹, 인터럽션 처리, 언어 모델, 오케스트레이터, 그리고 이들 모두를 잇는 스트리밍 배관까지.

• 개방성 — Prism은 가중치도, 파라미터 수도, 언어 목록도 공개하지 않습니다. Breeze TTS 2는 가중치와 추론 코드, 벤치마크 스위트를 공개합니다.

팀이 두 명이고 마감이 한 분기라면, “Breeze를 중심으로 캐스케이드를 구축한다”는 것은 계획이 아니라 프로젝트입니다. 팀에 이미 음성 스택이 있고 합성 계층이 약한 고리라면, Prism을 빌리는 것은 구성 요소 하나를 고치기 위해 작동하는 인프라를 버리는 일입니다.

대부분의 기업에게 결정적인 라이선스 조항

Breeze TTS 2의 소스 코드는 Apache 2.0이며, 이는 가중치 부분에 이르기 전까지는 허용적인 라이선스로 읽힙니다. 모델 가중치, 파생 모델 및 자체 호스팅 출력물은 연구 및 비상업적 사용을 위해 라이선스됩니다. 이는 프로토타입이라고 부르면 우회할 수 있는 각주가 아닙니다. 프로덕션 컨택트 센터 배포는 일반적인 해석으로도 상업적 사용이며, 이 라이선스는 위험을 모델을 운영하는 주체에게 부과합니다. 공개 가중치의 경우 그 주체는 바로 여러분입니다.

이것이 오늘 오후에 평가해 볼 수 있는 모델과 실제로 출시할 수 있는 모델의 차이입니다. 평가는 실질적으로 무료이고 제한도 없습니다. 가중치를 다운로드하고, 공식 PyTorch 추론 코드를 실행하고, 자신의 스크립트를 돌려 보고, 어떤 동작을 하는지 직접 들어 보면 됩니다. 출시하려면 BreezeBlue의 상용 라이선스가 필요하며, 그 라이선스 조건은 모델 페이지에 게시되어 있지 않습니다. Breeze TTS 2의 비용을 "GPU 시간"으로만 표기하고 그치는 비교표는 아직 누구도 제시하지 않은 라이선스를 조용히 전제하고 있는 셈입니다.

Prism의 라이선스 질문은 정반대이며 훨씬 간단합니다: 서비스이고, 가격은 공개되어 있으며, 상업적 권리는 분당 요금에 포함되어 있습니다. Free tier, Flex, Scale, Enterprise. 온프레미스를 원하기 전까지는 협상이 없습니다.

각 항목의 분당 비용, 계산 과정을 함께 표시

Prism은 간단합니다: Flex에서는 통화 오디오 1분당 $0.080, Scale에서는 $0.064, 무료 크레딧은 $50이 소진될 때까지 $0입니다. 텔레포니 비용을 제외하면 1,000분 비용은 $80입니다.

Breeze TTS 2에는 구체적인 예시가 필요합니다. "셀프 호스팅"이라는 말이 전체 비용을 가리기 때문입니다. BreezeBlue는 H100에서 실시간 계수 0.32를 공개합니다. 이는 워밍업된 고속 경로에서 측정했을 때 연산 1초당 약 3.1초의 오디오가 생성된다는 뜻입니다. 이거 추론에는 약 7.7 GiB가 필요하므로 12 GB 카드가 최소 사양이며, --fast-all 경로에는 14.4 GiB와 24 GB 카드가 필요합니다.

GPU 시간당 약 $2인 H100을 생각해 보자. 한 시간에는 3,600초의 연산 시간이 있고, 0.32 RTF에서는 약 11,200초의 오디오, 즉 186분을 생성한다. 나누면 생성된 음성 1분당 약 $0.011이다. 이는 Prism의 Flex 요금보다 대략 7배 저렴하며, 사람들이 인용하는 숫자다.

중요한 것은 숫자가 아니다. 그 $0.011에는 가동률이 반영되어 있지 않다. 콜센터는 GPU를 100% 점유율로 돌리지 않는다. 가장 바쁜 시간의 피크에 맞춰 돌리고 나머지 시간에는 놀린다. 현실적인 평균 가동률 30%에서는 실효 단가가 세 배로 뛰어 약 $0.033/min이 되고, 15%에서는 대략 $0.066/min이 된다. 이는 Prism의 가격과 맞먹으면서 체크포인트는 하나도 없고 운영 부담은 전부 떠안는 셈이다. 셀프 호스팅이 분당 과금을 이기려면 GPU 카드를 계속 바쁘게 유지할 수 있어야 하는데, 대부분의 음성 배포는 트래픽이 본질적으로 몰아치는 특성이라 그럴 수 없다.

지연 시간: 40밀리초는 음성 에이전트가 아닙니다

Breeze TTS 2의 대표 지표는 H100 고속 경로에서 첫 오디오까지 걸리는 시간이 40 ms 미만이라는 것입니다. Prism의 대표 지표는 0.57초입니다. 단독으로 읽으면 14대 1의 패배처럼 보입니다. 이것은 서로 다른 스톱워치를 비교한 것입니다.

Breeze의 시계는 텍스트가 합성기에 도착할 때 시작됩니다. Prism의 시계는 발신자가 말을 멈출 때 시작됩니다. 캐스케이드 방식에서는 이 두 지점 사이에 발신자 발화의 음성 인식과 전체 언어 모델 턴이 놓입니다. 바로 Breeze가 수행하지 않는 부분입니다. 공개된 엔드투엔드 캐스케이드 타이밍은 음성 인식과 생성을 계산에 넣으면 흔히 800ms에서 1.5초 사이에 나타나며, 그 밀리초 하나하나가 발신자가 회선이 끊어졌는지 의아해하는 순간입니다.

Prism의 0.57초는 τ-Voice 하네스에서 벤더가 직접 수행한 평가에서 나온 벤더 측 수치이며, 이는 구성 요소가 아니라 다른 종단 간 음성 대 음성 모델과 비교해야 하는 숫자입니다. 공정하게 말하면, Breeze TTS 2는 이 비교에서 가장 빠른 합성기이며 격차도 크고, Prism은 이 비교에서 가장 빠른 완전한 시스템입니다 — 왜냐하면 이 비교에서 유일한 완전한 시스템이기 때문입니다.

원시 비교가 실제로 성립하는 경우는 한 가지입니다. 어쨌든 캐스케이드를 구축하고 있다면 — 언어 모델이 Breeze와 Prism 둘 다 할 수 없는 일을 하기 때문이거나, 특정 추론 엔진이 필요하기 때문이라면 — Breeze의 40 ms는 Prism이 합성 홉에만 쓰는 총 예산에 비해 실질적으로 500밀리초의 우위입니다. 그 아키텍처에서는 Breeze를 Prism과 비교하는 것이 아닙니다. Breeze 캐스케이드를 Prism 캐스케이드와 비교하는 것이며, 합성 홉은 합계의 한 항에 불과합니다.

각각이 진정으로 승리하는 곳

Breeze TTS 2는 출력이 대화가 아닐 때 진가를 발휘합니다. 더빙, 나레이션, 게임용 오디오, 200개의 고정 문구를 가진 제품을 위한 음성 — 이런 작업에는 에이전트가 아니라 합성기가 필요하며, 어느 것도 발화 전 정책 체크포인트를 필요로 하지 않습니다. Breeze의 음성 설계 모드는 참조 오디오 없이 자연어 설명으로 음성을 생성하고, 음성 지시 기능은 기존 복제 음성의 톤과 속도를 조정하며, (웃음), (한숨) 같은 인라인 태그는 두 번째 모델 없이도 표현력을 더합니다. 이런 작업에서는 라이선스 문제가 발생하지 않을 수도 있고, 분당 과금이 없으므로 분당 비용 경제성은 무관합니다.

Prism이 강점을 발휘하는 경우는 제약이 에이전트가 말할 수 있는 내용일 때입니다. 검토를 거쳐야 하는 문장, 정확히 그대로 표시되어야 하는 고지, 숫자를 단어로 읽지 않고 철자 하나하나를 말해야 하는 계좌번호—이러한 것에는 텍스트 체크포인트가 필요합니다. Breeze TTS 2에는 이에 상응하는 기능이 없는데, 그 이유는 Breeze TTS 2가 받는 텍스트는 그것이 보는 시점에 이미 최종본이기 때문입니다. 캐스케이드에서 업스트림에 가드레일을 구축할 수 있고 실제로 그렇게 하는 사람들도 있지만, 그렇게 하면 직접 조립한 파이프라인에서 언어 모델의 출력을 보호하는 것이 되며, 이는 Prism이 판매하는 작업의 대부분에 해당합니다.

Breeze TTS 2는 투명성에서도 앞섭니다. 가중치를 직접 확인하고, 오프라인으로 실행하고, 공급업체의 벤치마크 주장을 자체 하드웨어에서 재현하며, 버전 간에 무엇이 바뀌었는지 정확히 알 수 있습니다. Prism은 API와 릴리스 노트만 제공합니다. 분기 도중에 공급업체가 음성을 몰래 바꾼 일로 피해를 본 팀에게 이는 실질적인 가치가 있습니다.

캐스케이드를 유지하면 모델 계층을 라우팅할 수 있습니다

Breeze TTS 2가 들어가는 캐스케이드에는 여전히 언어 모델이 필요하며, 그 부분을 OrcaRouter가 담당합니다. Prism은 Rime에서 직접 판매하며 우리 카탈로그에는 없습니다. Breeze TTS 2는 자체 호스팅 방식이라 역시 카탈로그에 없습니다. 카탈로그에 있는 것은 그 주변의 모든 것입니다: 200개 이상의 모델을 제공업체 정가 대비 0% 마크업으로 이용할 수 있는 단일 키, 통화 중 제공업체 성능이 저하되면 자동으로 페일오버되고, 어느 모델이 어느 턴을 처리할지 결정하는 라우팅 DSL까지 갖춘 것입니다. 음성 에이전트에는 이것이 유용한 형태입니다 — 발화자가 아직 말하는 동안 확인 응답을 처리하는 작은 모델, 조회를 처리하는 더 큰 모델, 하나의 엔드포인트와 하나의 청구서.

TTS 쪽도 지원됩니다: openai/tts-1-hd 그리고 google/gemini-3.1-flash-tts-preview는 둘 다 현재 정가로 라우팅할 수 있습니다. 이들은 Breeze TTS 2도 아니고 Prism도 아니지만, 두 번째 계약 없이 캐스케이드의 양 끝을 이룹니다.

결정, 한 번에

이 순서대로 두 가지 질문을 하면 답은 대개 저절로 드러납니다.

먼저: 에이전트가 하는 말 중 인간이 듣기 전에 승인이 필요한 것이 있나요? 예라면, Prism은 이 조합에서 그 승인을 넣을 곳이 있는 유일한 옵션이며, 라이선스 가격인 $0.08/min은 그 통제의 가격입니다. 아니면 계속하세요.

둘째: GPU를 계속 바쁘게 가동할 수 있나요? 합성 부하가 거의 최대 용량으로 돌아가고 캐스케이드를 직접 운영할 엔지니어링 팀이 있다면, 컴퓨트 비용이 분당 $0.011인 Breeze TTS 2가 7배 더 나은 경제적 해답입니다. 단, 출시 전에 상용 라이선스를 확보해야 합니다. 카드를 계속 바쁘게 가동할 수 없다면 실효 비용은 결국 Prism의 비용에 수렴하게 되고, 그렇게 도달하려고 전체 스택을 떠안은 셈이 됩니다.

랭킹 페이지들이 내놓는 단 하나의 틀린 답은 이것입니다: Breeze가 더 저렴하니 Breeze가 이긴다는 것. 오디오 분당 가격이 더 싸다? 맞습니다. 하지만 당신은 Breeze TTS 2에서 오디오를 사는 게 아니라, 합성기를 산 뒤 그 주위에 음성 에이전트를 구축하는 것이며, 그 비용 항목을 공개한 사람은 아무도 없습니다.

벤더 벤치마크 관련 주의 사항도 여기에 해당합니다. BreezeBlue가 공개한 수치, 즉 실시간 계수 0.32와 워밍된 H100 고속 경로에서 첫 오디오까지 40ms 미만이라는 기록은 자사 자체 측정치로, 영어와 중국어 모델에서 실행된 것이며, "Artificial Analysis TTS 리더보드에서 오픈 웨이트 모델 중 1위"라는 문구는 점수가 아니라 벤더의 포지셔닝 선언입니다. 실제 라이브 보드에서는 현재 전체 7위 정도에 머물고 있습니다. Prism의 τ-Voice 56.6 역시 벤더가 직접 실행한 결과입니다. 두 수치 모두 독립적인 검증 주체가 없다는 점이, 이 두 제품이 정말로 공통으로 가진 유일한 특징입니다.