Simba 3.5 vs Qwen-Audio-3.0-TTS: 언어 문제를 해결하는 두 가지 방법, 그중 문서화된 것은 단 하나

Both SpeechifyAI Simba 3.5와 Alibaba Qwen-Audio-3.0-TTS는 영어가 아닌 언어로도 스크립트를 읽어 줍니다. 다만 둘이 그 지점에 도달하는 경로는 정반대입니다. Simba 3.5는 목록을 공개합니다. 48개 언어, 모델 ID 하나, 카탈로그의 모든 음성이 이 48개 언어를 모두 구사하며, 에스토니아어와 광둥어가 예외로 명시돼 있습니다. Qwen-Audio-3.0-TTS는 인스트럭션 필드를 공개하는데, 문서에 나온 대로 네덜란드어를 말하게 하는 방법은 "네덜란드어로 천천히 또렷하게 말하세요"라는 문장을 보내는 것입니다. 하나는 로케일 매트릭스를 만들 수 있는 스펙이고, 다른 하나는 프롬프트입니다. 이 둘의 차이가 이 비교에서 가장 유용한 부분입니다.

여기서도 나이는 중요하다. 다만 보통과는 다른 방식으로 그렇다. Qwen-Audio-3.0-TTS는 2026년 7월 20일에 출시되었고, 그 이후 알리바바 제품군 최상위에서 Qwen-Audio-3.1-TTS-Plus로 대체되었으며, 현재 Controlled Voice 보드에서 3위를 차지하고 있는 것이 바로 이 모델이다. 3.0 Plus 등급은 여전히 목록에 올라 있으며, Provider Voice에서 측정상 더 강한 위치를 가진 등급이기도 하다. Simba 3.5는 2026년 10월 21일에 출시되었고, 이미 한 번 개정한 가격 일정에 들어선 지 3주째다.

숫자는, 존재하는 경우 나란히

Artificial Analysis는 두 모델을 두 리더보드 모두에서 평가하므로, 이는 음성 분야에서 이전 모델로부터 추정하는 대신 동일 기준으로 비교할 수 있는 몇 안 되는 맞대결 중 하나입니다.

• 통제된 음성 — SpeechifyAI Simba 3.5 1위, Elo 1,192(±17), 1,783개 샘플

• 제어된 음성 — Alibaba Qwen-Audio-3.0-TTS-Plus 10위, Elo 1,130, ±12, 샘플 3,596개

• 제공자 음성 — SpeechifyAI Simba 3.5 5위, Elo 1,294(±17), 샘플 1,732개

• 제공자 음성 — Alibaba Qwen-Audio-3.0-TTS-Plus 10위, Elo 1,264, ±13, 3,056개 샘플

• 통제된 음성 — Alibaba Qwen-Audio-3.1-TTS-Plus 3위, Elo 1,176, ±12 — 더 새로운 Alibaba 모델이자 주목할 만한 모델

보드 가격 — Qwen-Audio-3.0-TTS-Plus는 두 보드 모두에서 백만 자당 $19.31; Simba 3.5는 $6.58로 표시되어 있으며, 이는 Speechify의 공개 목록과 일치하지 않는 플랜 내장 요율입니다.

Simba 3.5는 통제 보드에서 62점, 제공자 보드에서 30점 앞서며, 두 경우 모두 신뢰구간이 명확히 분리됩니다. 이는 Simba에 유리한 명백한 품질 결과이며, 이를 설명하지 못하는 요인으로 표본 수를 짚을 만합니다. Qwen-Audio-3.0-TTS-Plus는 추정치 뒤에 두 배 많은 통제 음성 투표가 있으므로, 이는 잡음이 많은 1,130이 아니라 잘 측정된 1,130입니다.

흥미로운 변수는 알리바바 자체 라인업이다. Qwen-Audio-3.1-TTS-Plus는 통제된 평가 보드에서 Qwen-Audio-3.0-TTS-Plus보다 46점 높은데, 이는 현재 세대 알리바바 모델이 3.0보다 Simba 3.5에 훨씬 더 가깝다는 뜻이다. 3.0 티어와 비교하는 사람은 이미 한 번 개선된 모델을 측정하고 있는 셈이다.

지침 필드에 대해 48개 언어가 나열됨

Speechify의 문서는 음성 API로서는 이례적으로 구체적이다. Simba 3.5의 48개 언어는 열거할 수 있으며, 카탈로그의 각 음성과 유료 플랜의 각 복제 음성은 이 모든 언어를 구사하고, 모델은 ja-JP 같은 표준 BCP-47 형식 언어 태그를 받으며 목록에 있는 언어의 모든 지역 변형이 범위에 포함된다. 제외되는 두 언어인 에스토니아어와 광둥어는 명시되어 있다. Speechify는 또한 각 로캘에서 어떤 음성이 스태프 추천인지 표시하고 staff_pick_rank 필드로 순위를 매기는데, 음성은 원본 녹음의 억양을 유지하며 자체 권장 사항은 해당 언어의 원어민 음성으로 생성하는 것이기 때문이다.

Alibaba의 접근 방식은 다른 방향으로 유연합니다. Qwen-Audio-3.0-TTS는 전달 방식, 즉 속도, 감정, 페르소나를 설명하는 자연어 지시를 받아들이며, 대상 언어에 대해 문서화된 기법은 지시문에서 그 언어를 사용하라고 명시하는 것이고, 지시문은 텍스트의 언어와 일치해야 합니다. 또한 language_hints 및 hot_fix를 통한 명시적 발음 제어, SSML 및 LaTeX 입력, 그리고 [excited], [sad], [laughing], [sighing]과 같은 인라인 감정 및 비언어 태그를 지원합니다. 비스트리밍 요청은 24시간 동안 유효한 오디오 URL을 반환하고, 스트리밍은 base64 청크를 반환합니다. 모델은 싱가포르와 베이징에서 제공됩니다.

그 태그 어휘는 확실한 장점이며 Simba 3.5는 그에 미치지 못합니다. Speechify는 break, prosody rate, prosody pitch, prosody volume 및 sub alias를 적용합니다. emphasis 및 emotion 태그는 허용되지만 적용되지는 않습니다. 제품이 대사 중간에 웃음소리가 필요하거나 대사 끝에 한숨이 필요하다면, Qwen-Audio-3.0-TTS는 현재 그렇게 할 수 있지만 Simba 3.5는 그렇지 않습니다.

이 트레이드오프는 일단 말로 풀면 간단하다. Qwen은 표현 제어를 제공하고 언어 지원은 자연어 문장에 맡기며, Speechify는 셀 수 있는 언어 목록과 더 좁은 표현 표면을 제공한다. 현지화 파이프라인에서는 셀 수 있는 목록이 더 가치 있다. 로케일 매트릭스는 테스트할 수 있고, 작업 명세서에 기재할 수 있으며, 빌드 실패 조건으로 삼을 수 있는 대상이기 때문이다. “네덜란드어로 천천히 또렷하게 말해줘”는 직접 들어봐야 하는 것이다.

가격을 비교 가능한 숫자로 환산

Alibaba는 합성 비용을 입력 문자 기준으로 위안화로 청구하며, 지역 요금은 베이징과 싱가포르 배포 간에 다릅니다. Qwen-Audio-3.0-TTS-Plus는 베이징에서 10,000자당 ¥1.4로 책정되어 있으며, Flash 티어는 ¥1.0입니다. Artificial Analysis는 Plus 티어를 100만 자당 $19.31로 정규화하는데, 이는 지역 예산을 세우는 대신 달러 기준 공급업체와 비교할 때 사용해야 하는 수치입니다. 목록에 있는 각 Qwen-Audio 모델에는 베이징 리전에서 활성화 또는 출시 중 더 늦은 날짜로부터 90일 동안 100만 토큰 무료 허용량이 제공됩니다.

Speechify는 백만 문자당 달러 기준으로 공개하며 이미 한 번 입장을 바꿨습니다:

• Simba 3.5, 11월 22일부터 적용되는 정가 — Starter는 백만 개당 $15.00, Pro는 $12.00, Scale은 $10.00

• Simba 3.5, 11월 21일까지 — $10.00, $8.00, $6.00, Simba 3.2 및 3.0 요금

• Simba 3.5, 10월 21일 최초 출시 가격표 — $20, $16, $12, 11월 9일 인하로 대체됨

• Simba 3.2 및 Simba 3.0 — 백만 문자당 $10, $8, $6, 변동 없음

정가 기준으로 Simba 3.5는 요금제에 따라 Qwen-Audio-3.0-TTS-Plus 공시 요율의 대략 절반에서 4분의 3 사이에 위치하며, 프로모션 기간에는 3분의 1에서 절반 수준입니다. 절대 금액으로 보면 둘 다 비싸지 않습니다. 월 500만 자 기준으로 어느 쪽이든 100달러 미만이므로, 매우 큰 카탈로그를 운영하지 않는 한 가격이 결정 요인이 될 가능성은 낮습니다. 아마도 언어 지원 범위와 표현 제어가 결정 요인이 될 것입니다.

11월 21일이라는 날짜가 이 결정에 어떤 영향을 미치는가

Speechify의 Simba 1.6 ID인 simba-english와 simba-multilingual은 API 버전 2026-09-21에서 선택 항목에서 제외되었습니다. 2026년 11월 21일부터는 두 ID 모두 모든 언어에서 Simba 3.5로 제공되며, 해당 ID를 여전히 지정할 수 있는 모든 API 버전에서 simba-3.5로 청구됩니다. 여름부터 simba-multilingual을 사용해 온 통합은 코드 변경 없이 그날짜에 음성과 가격이 모두 바뀌게 됩니다.

Alibaba에는 이 비교에서 이에 상응하는 예정된 이벤트가 없습니다. Qwen-Audio-3.0-TTS는 여전히 3.1 SKU 옆에 나열되어 있으며, 3.1 라인은 문자 대신 토큰이라는 다른 단위로 과금되므로 한 요금표 셀을 다른 셀로 나누는 방식으로 두 세대를 비교할 수 없습니다. 현재 3.0을 사용 중이라면 3.1로의 마이그레이션은 한 줄짜리 모델 ID 변경이 아니라 실제 프로젝트이며, 두 티어 간의 46포인트 통제 보드 격차가 이를 일정에 올려야 하는 이유입니다.

각각이 올바른 선택인 경우

문제가 단일 음성 ID 아래에서의 폭넓은 대응이라면 Simba 3.5를 선택하세요. 하나의 브랜드 음성을 수십 개 로케일에 제공하는 제품, 팀원 중 아무도 말하지 않는 언어로 다시 렌더링해야 하는 백 카탈로그, 또는 동일한 복제 음성이 다른 사람처럼 들리지 않으면서 영어에서 스페인어까지 사용자를 따라가야 하는 접근성 낭독이 그런 경우입니다. 집계된 언어 목록, 직원 추천 순위, 승인 없이 가능한 제로샷 클로닝이 이를 가능하게 하는 기능이며, 통제된 평가 보드에서 62점 앞선다는 것은 음성이 벤더가 선택한 것이 아닐 때도 품질이 유지된다는 것을 의미합니다.

성능이 커버리지보다 더 중요한 문제라면 Qwen-Audio-3.0-TTS를 선택하세요. [excited] 태그가 제 역할을 하는 오디오북 및 팟캐스트 작업, Alibaba의 음성 카탈로그와 발음 제어가 가장 깊은 중국어 우선 콘텐츠, 또는 싱가포르나 베이징 리전에 있어야 하는 배포가 그렇습니다. 지시 필드는 Speechify가 노출하는 것보다 실제로 더 표현력이 풍부하며, 비스트리밍 URL과 SSE 청크 경로는 배치 및 라이브 렌더링을 모두 커버합니다.

OrcaRouter는 두 라인 모두 취급하지 않습니다. Simba는 Speechify 자체 API를 통해, Qwen은 Alibaba Cloud Model Studio를 통해 접근하며, 이 글의 어떤 내용도 그와 다르게 해석되어서는 안 됩니다. 우리가 실제로 라우팅하는 것은 더 작은 합성 카탈로그로, 테스트할 때 중립적인 대조군 역할을 합니다: 백만 자당 $15.00의 openai/tts-1과 $30.00의 openai/tts-1-hd, 둘 다 추가 마크업 없이 제공사 정가로, 그리고 google/gemini-3.1-flash-tts-preview가 함께 있습니다. 동일한 3분 스크립트를 그것들과 두 후보 모두를 통해 렌더링하는 것이, 두 개의 리더보드만으로는 좁힐 수밖에 없는 질문을 해결하는 가장 저렴한 방법입니다.

두 공급업체 모두 당신이 직접 해결하도록 남겨 둔 부분

어느 모델도 자신의 비영어 출력이 당신의 청중에게 충분히 좋은지 알려주지 않으며, 아레나도 마찬가지입니다. Controlled Voice 보드는 8개의 영어 참조 음성(미국식 4개, 영국식 4개)으로 진행하는 영어 평가입니다. 영어로 측정한 62점 차이는 일본어, 폴란드어, 브라질 포르투갈어에 관해서는 직접적으로 아무것도 말해주지 않습니다. Speechify의 답은 로캘별 직원 추천을 가리키는 것이고, Alibaba의 답은 지침과 음성 목록을 가리키는 것입니다. 둘 다 당신에게 직접 들어보라고 요구하고 있습니다.

이 두 모델에 대한 솔직한 마무리입니다. 하나는 더 최신이고 정가가 더 저렴하며 영어 기준 측정 성능이 더 우수하고 언어 수까지 문서화되어 있습니다. 다른 하나는 더 표현력이 풍부하고 중국어 작업에서 더 확고한 입지를 갖고 있으며 세대 전환의 중간에 있고 스펙이 아니라 명령 필드로 제어됩니다. 실제로 매출을 책임지는 두 로캘에서 둘 다 테스트해 보세요. 그러면 이 비교의 나머지는 결정 요인이 아니라 동점자 처리 기준이 됩니다.