Rime Prism vs Sesame Preview: 명성에 맞서는 요율표

{{1}}Sesame Preview{{/1}}는 오늘 밤 무료로 들을 수 있습니다. 구매할 수는 없습니다. {{2}}Rime Prism{{/2}}은 분당 $0.080에 구매할 수 있으며, Rime 밖에서 측정을 허용받은 클립을 공개한 사람은 거의 없습니다. 그 문장의 두 부분이 바로 비교입니다. 하나는 개발자 누구도 호출할 수 없으면서 소비자 AI에서 가장 좋은 평가를 받는 음성이고, 다른 하나는 스타트업이 이번 주에 전화 자동 응답 메뉴에 넣을 수 있는 새로운 기업용 엔드포인트입니다. {{1}}Rime Prism{{/1}}은 2026년 10월 28일에 Rime의 첫 음성-음성 모델로 출시되었습니다. {{2}}Sesame Preview{{/2}}는 2025년 초부터 무료 연구 프리뷰로 운영되어 왔으며, 그 배후의 상용 음성은 아직 공개되지 않았습니다.

둘 다 대화의 사실감에 대한 주장을 내세우고, 출시 시점에 영어만 지원하기 때문에 비교된다. 이 둘은 대안 관계가 아니다. 하나는 대화하는 애플리케이션이고, 다른 하나는 그 위에 구축하는 엔드포인트이며, 둘 사이의 결정은 목소리를 고르는 문제라기보다 제품을 사는지 부품을 사는지의 문제에 가깝다.

거의 모든 것을 결정하는 분열

에이전트를 출시하려는 팀은 두 가지 질문을 이 순서로 던진다: 호출할 수 있는가, 그리고 호출당 비용은 얼마인가. Sesame Preview는 첫 번째 질문에서 실패한다. 앱 뒤에 있는 모델을 위한 공개 API가 없고, 모델 ID도, 엔드포인트도, 공개된 가격도 없다. 대화할 수 있는 Sesame은 네 개의 이름 붙은 어시스턴트, 지속적인 메모리, 그리고 계속 늘어나는 도구 세트를 갖춘 소비자 제품이다; 그 아래에 있는 모델은 개발자가 다룰 수 있는 대상이 아니다.

누구나 호출할 수 있는 Sesame의 유일한 것은 회사가 2025년 Apache 2.0으로 공개한 오픈 웨이트 체크포인트인 CSM-1B뿐입니다. 대략 1B 파라미터, 4K 컨텍스트, 24 kHz 모노 오디오입니다. 그것은 앱에 있는 음성이 아니며, 에이전트도 아닙니다. 대화 이력을 조건으로 삼지만 언어 모델처럼 그것에 대해 추론할 수는 없습니다. 그것은 음성 구성 요소이며, 그중에서도 단 하나의 구성 요소일 뿐입니다.

• 제공 방식 — Rime Prism은 무료 티어가 포함된 유료 API이고, Sesame Preview는 무료 소비자용 앱으로 프로덕션 음성에 사용할 API를 제공하지 않습니다.

• 가격 — Prism은 Flex에서 통화 오디오 분당 $0.080, Scale에서 $0.064; Sesame은 가격을 공개하지 않으며 앱에는 비용을 청구하지 않습니다.

• 청구 위험 — Prism은 통화가 잘 되든 안 되든 비용을 청구하지만, Sesame의 비용은 앱 비용이 얼마든 그에 따르며, 그 금액은 0이고 이는 계획을 세울 수 있는 비즈니스 모델이 아니다.

• 지연 시간 근거 — Prism은 τ-Voice에서 벤더가 직접 측정한 첫 오디오까지의 시간(time-to-first-audio) 0.57초를 기록했습니다. Sesame의 앱은 300ms 미만을 주장하며, Maya 페르소나에 대한 제3자 측정에서는 첫 바이트까지의 시간(time-to-first-byte)이 80~130ms로 측정되었습니다.

• 독립적인 점수 — 어느 모델도 Artificial Analysis의 Speech-to-Speech Index에 등재되지 않았습니다.

• 언어 — 둘 다 출시 시 영어만 지원하며, Sesame은 프랑스어, 이탈리아어, 독일어, 스페인어, 중국어, 일본어, 한국어를 초기 지원 언어로 명시합니다.

• 배포 — Prism은 HIPAA BAA 및 SOC 2 Type II를 갖춘 클라우드, VPC, 온프레미스 방식을 제공하며, Sesame은 앱을 제공합니다.

Rime Prism, 엔드포인트로서

Prism은 엔터프라이즈 소프트웨어가 판매되는 방식으로 판매됩니다. 월 $50 크레딧이 제공되고 카드가 필요 없는 무료 티어, 약정 없는 분당 $0.080의 Flex, 월 $100에 $100 크레딧과 분당 $0.064의 Scale, 그리고 볼륨 요금과 연간 약정이 적용되는 Enterprise가 있습니다. 모든 티어는 동일한 모델입니다. Prism은 WebSockets를 통해 스트리밍하고 LiveKit 및 Pipecat에 연결되는데, 이는 대부분의 자체 구축 음성 에이전트가 이미 이 두 곳에 있기 때문에 중요합니다.

이 요금을 정당화하는 기능들은 소비자 앱이 만들 이유가 없는 기능들입니다. Prism은 말하기 전에 응답을 텍스트로 작성하므로, 애플리케이션이 정확한 문장을 읽고 정책 검사나 PII 필터를 실행한 뒤 통과할 때만 오디오가 진행되도록 할 수 있습니다. 이때 모델은 계속 듣고 있으므로 검사가 들리는 일시정지가 될 필요가 없습니다. 도구 호출은 음성과 병렬로 실행됩니다. 고객 자체의 통화 및 도구 추적 데이터로 미세 조정하는 것이 핵심 비즈니스 사례이며, 셀프서비스 SFT 및 RL API는 아직 베타 단계입니다.

회사 자체 수치에 따르면 첫 오디오까지 걸리는 시간은 0.57초이고 τ-Voice 완료율은 56.6%이며, 벤치마크의 통신 하위 집합에서는 82.5%입니다. 약 10시간 분량의 실제 주문 통화를 대상으로 한 Revmo 사례 연구는 주문 확인률 100%로 인용되며, 이름이 공개되지 않은 OpenAI 모델은 68%입니다. 이는 방법론이 공개되지 않은, 의뢰를 받아 수행된 고객 사례 연구이며, 결과라기보다 공급업체의 주장으로 읽어야 합니다.

Sesame Preview, 제품으로서

Sesame의 핵심 제안은 음성 비서가 마치 아는 사람처럼 느껴져야 한다는 것입니다. 네 가지 페르소나, 즉 재치 있는 협업자 Maya, 느긋한 Miles, 심층 탐구를 위한 Simone, 편하게 이야기 나눌 수 있는 상대 Charlie는 각자 고유한 기억과 말투를 지닙니다. 이 앱은 웹을 검색하고, 장시간 리서치를 수행하며, 노트와 알림을 보관하고, 통화를 요약하며, 시크릿 모드도 지원합니다. 2026년 10월 6일 Sesame은 표현력과 발음이 개선된 업데이트된 CSM을 출시하고, 에이전트가 자체 컴퓨터에 접근할 수 있도록 했으며, Gmail, Calendar, Drive 커넥터, OAuth를 통한 외부 MCP 서버, 사용자가 만든 스킬, 앱 내 이미지 생성기를 추가했습니다.

그것에 없는 것은 들어갈 방법이다. 이 앱은 무료이고 광고를 게재하지 않으며 데이터를 판매하지 않는데, 이는 사용자에게는 반가운 일이고 구매자에게는 해결되지 않은 문제다. Sesame이 어떻게 수익을 낼 계획인지, 그리고 개발자들이 언젠가 엔드포인트를 얻게 될지 여부는 아직 발표되지 않았다. 안경은 2027년과 일본으로 일정이 잡혀 있으며, 개발자 도구는 구체적인 내용 없이 “올해 말”로 약속되어 있다.

그래도 평판은 사실이다. Sesame의 목소리는 사람들이 서로에게 클립을 보내는 바로 그 목소리이고, 리뷰어들의 일치된 평가는 2년 연속으로 이례적으로 호의적이었다. 문제는 평판이 명세가 아니라는 점이다: 프로덕션 모델에 대해 공개된 지연 시간 수치가 없고, 그에 대한 블라인드 청취 점수도 존재하지 않으며, 유일하게 독립적으로 실행 가능한 것은 1B 체크포인트인데, 그것은 다른 것이다.

Sesame이 배제한 단 하나의 기능

Sesame의 목소리를 원하는 이유가 사람처럼 들리기 때문이라면, 실제로 복제해야 하는 것은 음색이 아니라 대화 루프입니다. 그리고 비즈니스를 위한 대화 루프에는 소비자 앱이 결코 충족할 필요가 없는 요구 사항이 있습니다. 에이전트가 말하려던 내용에 대한 감사 추적, 그 말을 중단할 방법, 통화자가 알아차리기 전에 완료되는 도구 호출, 그리고 규정 준수 검토를 통과하는 배포입니다.

Prism은 그러한 요구사항들을 중심으로 만들어졌고, 그래서 비용이 듭니다. Sesame은 정반대를 중심으로 만들어졌습니다. 즉 회사가 모든 변수를 통제하는, 폐쇄적이고 선별적이며 무료인 경험입니다. 둘 다 충분히 지킬 만한 제품입니다. 다만 그중 하나만이 클레임 라인에 연결할 수 있는 구성 요소입니다.

둘 다 영어만 사용합니다 — 정반대의 이유로요.

Prism은 첫 출시라 음성 지원 범위를 갖추는 데 비용이 많이 들어, 영어 전용에 제한된 음성 세트로 출시되었습니다. Sesame은 영어 우선인데, 그 제품이 영어로 말하는 페르소나들의 세트이기 때문입니다. 프랑스어, 이탈리아어, 독일어, 스페인어, 중국어, 일본어, 한국어는 '초기 지원'으로 표시되어 있으며, 이는 '지원됨'과는 다른 약속입니다.

다국어 컨택트 센터의 경우 이 부분이 글을 마무리하는 섹션입니다. 현재 어느 모델도 혼합 언어 큐를 지원하지 않으며, 그 구매자에게 실제로 중요한 비교 대상은 이 두 모델 중 어느 하나가 아니라 폭넓은 언어 지원을 갖춘 TTS 계층과 라우팅된 텍스트 모델의 조합입니다.

측정 문제

두 모델 모두 Artificial Analysis의 Speech-to-Speech Index에 없습니다. 이 지수는 대화형 음성 모델을 작업 완료, 아레나 선호도, 작업 성공 기준으로 평가하는 유일한 독립 보드입니다. 그 부재는 어느 제품에 대한 흠이 아닙니다. 오히려 이 페이지가 두 제품 모두에 대해 벤더의 주장에 의존할 수밖에 없는 이유입니다.

Prism의 56.6% τ-Voice 수치는 Rime 자체 측정 결과입니다. Rime이 그 옆에 게시한 표를 보면 GPT-Live-1(Sol, low)이 59.3%로 나타나 Prism보다 높은데, 홍보 문구에서는 Prism이 모든 OpenAI 및 Google 실시간 모델보다 앞선다고 주장합니다. 출시 게시물에서도 "300ms 미만"과 "4배 더 빠름"이라는 수치를 반복하지만, 이 숫자들은 벤치마크 표에는 나오지 않으며 표에는 0.57초라고 적혀 있습니다. 이는 서로 다른 대상을 측정한 것일 수 있으나, Rime은 어느 쪽인지 밝히지 않습니다.

Sesame의 입지는 더욱 어렵다. 측정할 프로덕션 모델이 없기 때문이다. 자랑할 만하게도 Sesame은 그러한 모델을 측정할 도구를 구축했다. 2026년 8월 28일에 공개된 TurnBench는 음성 대화의 턴테이킹을 위한 오픈소스 벤치마크로, Carnegie Mellon, Mundo AI, Oto와 함께 만들었으며 공개 리더보드와 셀프서비스 채점을 갖추고 있다. 이는 중립적인 벤치마크라기보다 Sesame 자체의 벤치마크이지만 진정한 기여이며, 이 벤치마크가 중심에 두는 수치는 이 전체 비교에서 가장 유용한 값이다. 인간의 턴 사이 간격은 대개 약 200밀리초인 반면, 단어 하나를 계획하는 데는 약 600밀리초가 걸린다. 그렇기 때문에 기계를 알아보게 만드는 것은 음성 품질이 아니라 턴테이킹이다.

Rime의 카탈로그에 딸린 유일한 독립적 증거는 자사의 TTS 제품군이며, Text-to-Speech Arena에서 Coda는 Elo 1,054로 99개 중 65위, Mist V2는 903으로 92위입니다. 이는 음성이 새로운 Prism에 대해 결정적인 무엇도 말해 주지 않지만, “Rime은 독립적인 리더보드에서 최상위권 음성을 한 번도 보유한 적이 없다”는 것이 Scale 계약에 서명하기 전에 구매자가 들어야 할 참인 진술이라는 뜻입니다.

전화선 비용은 방향별로 얼마입니까?

Prism은 가격 책정이 간단합니다. 인바운드 통화 10,000분은 Enterprise 할인 전 기준으로 Flex에서 $800, Scale에서 $640입니다. 5분 통화는 $0.40입니다. 에이전트가 통화 후 요약까지 해야 한다면 이는 텍스트 모델 비용이 추가로 드는 것이며, 음성 청구서에 비하면 작습니다.

Sesame은 가격을 매길 수 없습니다. 책정할 요금 자체가 없기 때문입니다. 이 앱은 비용이 들지 않으며 임베드할 수도 없습니다. 공개 체크포인트는 유일한 호스팅 제공업체에서 백만 문자당 $7이며, 자체 호스팅한다는 것은 추론 스택, 코덱, 턴 감지 및 에이전트 로직을 직접 소유한다는 뜻입니다. "Sesame"의 분당 비용을 인용하는 사람은 서비스가 아니라 이 앱에 청구서가 없다는 점을 말하는 것입니다.

그것이 실질적인 비대칭이다. Prism은 비싸고 명확하지만, Sesame은 무료이고 사용할 수 없다. 예산 회의에서는 분당 $0.080이라는 숫자를 두고 논쟁할 수 있다. 하지만 "엔드포인트 없음"이라는 말로는 아무것도 할 수 없다.

세 명의 구매자, 세 가지 다른 답변

인바운드 지원 통화를 운영하는 기업은 Prism을 살펴봐야 합니다. 텍스트 체크포인트, HIPAA BAA, 온프레미스 옵션, 분당 요금은 모두 바로 그 업무를 겨냥하고 있으며, 상용 조건이 평범하기 때문에 벤더 주장 리스크는 감당할 수 있습니다. 하나의 통화 흐름에서 파일럿으로 시험하고, 컨테인먼트율을 직접 측정하며, Rime의 100% 대 68% 사례 연구를 예측으로 간주하지 말고 검증할 가설로 취급하십시오.

제품에 Sesame의 사운드를 넣고 싶은 개발자는 아직 발표되지 않은 API를 기다려서는 안 됩니다. 현실적인 경로는 오픈 TTS 체크포인트와 자체 오케스트레이션을 결합하는 것이며, 오케스트레이션은 저렴하게 빌려 쓸 수 있는 부분입니다. OrcaRouter는 200개 이상의 텍스트 모델을 하나의 키로 공급업체 정가에 0% 마크업으로 제공하고, 자동 장애 조치를 추가해 한 공급업체가 잠시 문제를 겪더라도 음성 에이전트가 중단되지 않도록 하며, 라우팅 DSL을 제공해 일반적인 턴은 소형 모델로, 에스컬레이션은 대형 모델로 보낼 수 있습니다. 음성 계층과 추론 계층은 같은 회사에서 제공될 필요가 없으며, 대부분의 빌더에게는 그렇게 하는 것이 좋지도 않습니다.

소비자나 자신을 위한 개인 비서를 만드는 사람은 그냥 Sesame을 사용하면 된다. 이는 무료이고 좋으며, API가 없다는 점은 코드를 작성하지 않는 사람에게는 중요하지 않다.

무엇이 답을 바꿀까요?

세 가지 사건. Sesame이 API와 요금표를 공개한다면 이는 단번에 진짜 비교 대상이 될 것이고, 곧바로 자사의 음성 품질이 하나의 부품으로 판매되어도 살아남을 수 있는지에 대한 질문을 불러일으킬 것이다. Prism이 Speech-to-Speech Index에 등장한다면 처음으로 독립적인 수치를 갖게 될 것이며, 중립적인 평가에서 "OpenAI와 Google보다 앞선다"라는 문구가 살아남을 수 있을지 결판이 날 것이다. 그리고 Prism의 파인튜닝 API가 베타에서 벗어난다면 이미 이를 구매할 수 있는 기업과 나머지 모두를 구분 짓게 될 것이다.

그중 하나라도 일어나기 전까지는, 비교는 경험할 수 있는 제품과 배포할 수 있는 제품 사이의 것이며, 잘못된 답은 오직 하나, 둘을 같은 구매의 두 가지 버전으로 취급하는 것이다. Sesame은 사람들이 다시 대화형 AI에 관심을 갖게 만든 목소리다. Prism은 그 느낌을 분 단위로, 감사 로그까지 붙여 판매하려는 첫 번째 진지한 시도다. 어느 쪽도 상대의 대체품이 아니다.