Simba 3.5 vs Eleven v4: 두 리더보드가 서로 엇갈리며, 그중 오직 하나만 당신의 제품에 관한 것입니다

같은 표에 올려놓고 보면, SpeechifyAI Simba 3.5와 ElevenLabs Eleven v4의 결과는 전적으로 어느 Artificial Analysis 리더보드를 보느냐에 달려 있습니다. Controlled Voice — 모든 참가자에게 동일한 8개의 복제된 참조 음성 — 에서 Simba 3.5는 1,192로 1위, Eleven v4는 1,155로 7위이며, 37점 차이의 구간은 서로 겹치지 않습니다. Provider Voice — 각 공급업체 자체의 음성 캐스트 — 에서는 Eleven v4가 1,340으로 1위, Simba 3.5가 1,294로 5위이며, 반대 방향으로 46점 차이가 나고 이 역시 명확하게 분리됩니다. 어느 숫자도 틀리지 않았습니다. 이들은 서로 다른 제품을 측정하고 있으며, 신뢰해야 할 쪽은 두 공급업체 중 어느 쪽에 관한 질문이 아니라 여러분의 스택에 관한 질문으로 결정됩니다.

두 이사회, 그리고 왜 그렇게 완전히 의견이 엇갈리는가

Controlled Voice는 화자를 일정하게 유지한다. Artificial Analysis는 미국식 목소리 네 개와 영국식 목소리 네 개를 복제하고, 모든 모델이 같은 대사를 동일한 목소리로 말하게 한다. 따라서 두 샘플을 비교하는 청취자는 합성 품질만 듣게 된다. Provider Voice는 각 공급업체가 자체 목소리를 내세울 수 있게 하므로, 청취자는 모델과 목소리 캐스트를 함께 평가하게 된다 — 음색, 억양, 공급업체가 큐레이션한 연기 선택까지.

ElevenLabs는 수년에 걸쳐 그 캐스트를 구축해 왔습니다. 그것은 회사에서 전혀 모델이 아닌 부분이며, 제공자 리더보드에서 Eleven v4와 Eleven v4 Turbo가 나머지와 32개 샘플이라는 큰 격차를 두고 상위 두 자리를 차지한 이유입니다. 캐스트를 빼면 Eleven v4는 7위로 떨어집니다. Speechify의 위치는 정반대입니다. 자체 음성이 있으면 5위, 없으면 1위입니다.

• 제어된 음성 — SpeechifyAI Simba 3.5, 순위 1, Elo 1,192, 구간 1,175~1,209, 샘플 1,783개

• 제어된 음성 — ElevenLabs Eleven v4 순위 7, Elo 1,155, 구간 1,143~1,167, 샘플 3,221개

• 제어된 음성 — ElevenLabs Eleven v4 Turbo 순위 6, Elo 1,156, 구간 1,144~1,168, 샘플 3,327개

• 제공자 음성 — ElevenLabs Eleven v4 순위 1위, Elo 1,340, 구간 1,325~1,355, 샘플 2,742개

• 제공자 음성 — ElevenLabs Eleven v4 Turbo 순위 2, Elo 1,339, 구간 1,323~1,355

• 제공자 음성 — SpeechifyAI Simba 3.5 순위 5, Elo 1,294, 구간 1,277~1,311, 샘플 1,732개

• 제공자 음성 — Alibaba Qwen-Audio-3.1-TTS-Plus는 해당 순위표에서 두 제품 사이인 1,300점으로 3위

두 격차 모두 주변 구간보다 크기 때문에, 어느 순서도 동전 던지기 같은 우연이 아니다. Simba 3.5의 Controlled Voice에서의 37점 승리와 Eleven v4의 Provider Voice에서의 46점 승리는 둘 다 서로 다른 것에 대한 실제 측정값이다. 이는 이례적이다 — 대부분의 모델 쌍은 두 보드에서 같은 방식으로 결과가 나온다 — 그리고 이것이 이 비교의 전체 내용이다.

그것을 결정짓는 질문

제품이 공급업체가 선택한 음성, 즉 기본 어시스턴트 음성, 기성 내레이션 트랙, 앱 전체에 적용되는 단일 하우스 음성을 그대로 제공한다면, 귀하는 Provider Voice가 측정한 성능을 구매하는 것이며 Eleven v4가 46점 차이로 앞섭니다. 제품에서 사용자가 음성을 선택하게 하거나, 자신의 음성을 복제하게 하거나, 모든 언어에 고정된 브랜드 음성을 적용한다면, 귀하는 Controlled Voice가 측정한 성능을 구매하는 것이며 Simba 3.5가 37점 차이로 앞섭니다.

그 문제를 한나절 만에 해결할 수 있는 실용적인 테스트가 있습니다. 자신의 참조 오디오 3분을 두 플랫폼에서 각각 복제한 뒤 들어 보세요. 통제된 보드에서 앞서는 모델은 낯선 목소리를 잘 처리하는 모델입니다. 프로바이더 보드에서 앞서는 모델은 목소리에 대한 안목이 좋은 모델입니다. 이 둘은 서로 다른 능력이며, 당신의 작업에는 그중 하나만 필요합니다.

가격은 만만치 않으며, 그것이 전부도 아니다

Eleven v4는 1,000자당 $0.08, 즉 100만 자당 $80로 책정되어 있습니다. 이는 ElevenLabs 자체 API 가격 페이지에 나온 요율이자 Artificial Analysis가 해당 모델에 대해 제시하는 수치입니다. 10월 중순까지 진행된 프로모션 기간이 끝났으므로, $80은 출시 당시의 특별 가격이 아니라 상시 적용되는 숫자입니다. Eleven v4 Turbo는 그 절반인 100만 자당 $40입니다.

Simba 3.5는 Starter, Pro, Scale에서 100만 자당 각각 $15, $12, $10에 책정됩니다. 이는 10월 21일 출시 당시의 $20, $16, $12에서 인하된 것입니다. 2026년 11월 21일까지는 대신 이전 모델의 요율인 $10, $8, $6으로 청구됩니다. 11월 22일 이후에는 새로운 정가가 적용되며 해당 혜택은 적용되지 않습니다.

• Eleven v4 — 백만 문자당 $80.00, 정가, 진행 중인 프로모션 없음

• Eleven v4 Turbo — 백만 자당 $40.00

• Simba 3.5 — 100만 문자당 Starter $15.00, Pro $12.00, Scale $10.00, 11월 22일부터

• Simba 3.5 — 11월 21일까지 백만 문자당 $10.00, $8.00 및 $6.00

• Simba 3.2 및 Simba 3.0 — 동일한 요금제에서 $10, $8, $6 요금으로 변동 없음

월 500만 자, 즉 완성된 음성 약 100시간을 기준으로 Eleven v4는 400달러, Simba 3.5는 요금제와 날짜에 따라 50~75달러입니다. 이는 5~8배 차이입니다. Simba 3.5에 대해 리더보드의 $6.58을 인용하는 사람은 Speechify의 공개 요금표와 일치하지 않는 요금제 내재 요율을 인용하는 것이므로, 위 등급 표를 기준으로 예산을 책정하세요.

언어: 하나의 ID 아래 48개, 90개 이상과 대조

여기서부터 비교는 무승부가 아니라 라우팅 결정이 되는 지점입니다. Simba 3.5는 단일 모델 id 아래에서 48개 언어를 지원하며, 이는 Simba 3.0이 지원하던 6개 언어에서 늘어난 것입니다. 또한 카탈로그의 모든 음성은 — 복제된 음성까지 포함해 — 동일한 voice id로 48개 언어를 모두 말합니다. 에스토니아어와 광둥어는 목록에 명시적으로 포함되어 있지 않습니다. Eleven v4는 요청당 10,000자 제한으로 90개 이상 언어를 지원하며, 이는 대략 10분 분량의 음성이라 청크로 나누기 전까지는 충분합니다.

48개 언어는 대부분의 유럽, 라틴 아메리카, 동아시아 제품 라인에는 충분하지만 진정한 글로벌 카탈로그에는 부족합니다. 90개 이상이면 거의 모든 경우에 충분하며, 요구 사항이 “우리가 판매하는 모든 로캘”이라면 품질 논쟁은 더 이상 중요하지 않게 됩니다. 이 둘 중 하나는 그 일을 해낼 수 있고, 다른 하나는 못 할 수도 있습니다.

48개 언어와 관련해 공급업체가 직접 말하지만 대부분의 보도에서는 건너뛰는 주의 사항이 있습니다. 바로 음성은 원본 녹음의 억양을 유지한다는 점입니다. 미국식 음성을 복제해 일본어를 말하게 하면 미국인이 일본어를 말하는 것처럼 들립니다. Speechify 자체 지침은 각 언어의 원어민 스태프 픽 음성에서 시작하라는 것이며, 그래서 이제 voices 엔드포인트에 staff_pick_rank가 나타납니다. 교차 언어 음성 전환은 사용할 수 있지만, 억양이 없는 것은 아닙니다.

지연 시간, 클로닝 및 API 형태

Speechify는 프로덕션 부하에서 스트리밍 요청의 95번째 백분위수 기준 첫 오디오까지 걸리는 시간이 72밀리초이며, 서빙 인스턴스당 처리량은 Simba 3.2의 1.8배라고 보고합니다. 이는 재현되지 않은 벤더 수치입니다. ElevenLabs는 Eleven v4 자체에 대해 비교 가능한 수치를 공개하지 않습니다. Simba 문서에 있는 측정된 지연 시간 수치는 하나뿐이며 더 오래되고 범위도 좁습니다: 2026년 9월 15일 US East에서 측정한 Simba 3.2의 서버 측 첫 바이트 기준 중앙값 56밀리초, 90번째 백분위수 102밀리초 — 첫 오디오까지의 시간과는 다른 지표이며 그대로 적용할 수 없습니다.

음성 복제는 두 제품 모두 제로샷 및 셀프서비스 방식으로 제공되지만, 팀 규모에서 중요하게 작용하는 마찰 차이가 있습니다. Simba 3.5의 복제는 승인 없이 유료 요금제에서 사용할 수 있습니다. ElevenLabs는 10초 분량의 오디오로 즉시 클론을 만들 수 있는 기능을 프로페셔널 클론 티어와 함께 제공하며, 동의 검증은 두 제품 중 더 발전된 편입니다. 이는 사용자가 제공한 음성을 배포하는 모든 이에게 유리한 점입니다.

요청 형태는 서로 호환되지 않으므로, 추상화 계층을 작성하기 전에 알아 두면 좋습니다. Speechify는 베어러 토큰으로 인증하고, 텍스트를 input으로, 모델을 model로 보내며, voice_settings 객체가 전혀 없습니다. ElevenLabs는 자체 헤더와 자체 필드 이름을 사용합니다. 둘 다 스트리밍을 지원합니다. Speechify의 SSML 지원은 하위 집합으로, break, prosody rate, prosody pitch, prosody volume 및 sub alias는 적용되고 emphasis 및 emotion 태그는 허용되지만 무시됩니다.

여기서 라우터가 실제로 도움이 되는 경우

두 모델 모두 OrcaRouter에 없으며, 이 글은 그와 다르게 주장하지 않습니다: Simba 라인은 Speechify 자체 API를 통해, ElevenLabs 라인은 ElevenLabs의 API를 통해 접근합니다. 우리가 라우팅하는 것은 공정한 대조군을 만드는 더 작은 합성 카탈로그입니다 — openai/tts-1은 백만 자당 $15.00 그리고 openai/tts-1-hd는 $30.00, 둘 다 제공업체 정가로 추가 금액 없이.

이 특정 매치업에서 라우팅 논쟁은 품질 때문이 아니다. 품질에 대한 답은 이미 갈려 있기 때문이다. 두 리더보드가 서로 어긋나고, 가격은 5~8배 차이가 나며, 두 사실 모두 다음 모델이 출시될 때까지만 유효하다는 점이다. 동일한 대본을 두 공급업체에 보내고 자체 오디오로 비교할 수 있는 스택은 다음 리더보드 재실행에서도 살아남는 답을 가진다. 반면 그중 하나에 하드와이어드된 스택은 분기마다 그 결정을 두고 다시 논쟁해야 한다. 자동 페일오버는 아무도 벤치마크하지 않는 경우도 커버한다 — 출시 주간의 공급자 측 장애.

동점은 그대로 둔 채 내린 솔직한 평결

Eleven v4는 폭넓은 언어 지원, 직접 구축할 필요 없는 큐레이션된 보이스 캐스트, 가장 성숙한 동의 및 클로닝 도구, 또는 100개 모델이 포진한 분야에서 정상 자리를 지켜온 프로바이더 보드 선두가 필요하다면 더 나은 모델입니다. 비용은 5~8배이며 가격은 프로모션 가격이 아닙니다.

Simba 3.5는 음성이 당신의 것일 때 — 복제된 음성, 브랜드 소유 음성, 또는 로캘별로 선택한 음성 — 그리고 48개 언어가 실제로 판매하는 시장을 포괄할 때 더 나은 모델입니다. 화자를 고정한 리더보드에서 선두이며, 이 리더보드는 공급업체가 한 번도 들어본 적 없는 음성에서의 성능을 예측하는 리더보드입니다. 또한 이미 한 번 변경된 가격 정책을 시행한 지 3주째이고, 11월 21일에는 모델 ID 마이그레이션이 예정되어 있으므로, 가입 시점의 금액이 12월에 지불할 금액과 반드시 같지는 않습니다.

어느 보드도 알려주지 않는 것은 청취자들이 당신의 콘텐츠에서 어느 쪽을 더 선호하는지입니다. 37점의 Elo 차이는 의미 있는 격차이며, 자신의 목소리로 읽은 자신의 대본 3분을 대상으로 한 청취 테스트를 대신할 수 없습니다. 둘 중 어느 쪽에든 볼륨을 확정하기 전에 그 테스트를 먼저 하십시오.