Simba 3.5 vs Sesame Preview: 하나는 캐릭터당, 다른 하나는 좌석당 판매됩니다.

가격을 매겨 보기 전까지는 사과와 오렌지를 비교하는 것처럼 보이지만, 가격을 매기는 순간 산수가 되는 비교가 있습니다. SpeechifyAI Simba 3.5는 백만 글자 단위로 구매하고 자체 코드에서 호출하는 텍스트 음성 변환 모델입니다. Sesame Preview는 앱에서 사람별로 월 단위로 구매하는 소비자용 음성 에이전트입니다. 둘 다 구매할 수 있으며 — Sesame은 Free, Plus, Pro 요금제 목록을 공개하고 무료 데모 제공을 중단했습니다 — 둘 다 합성 인간 음성을 생성합니다. 하나는 구성 요소이고 하나는 제품이며, 이 둘 중에서 선택하는 유일하게 정직한 방법은 여러분의 문제가 실제로 어느 쪽을 필요로 하는지 따져보는 것입니다.

Sesame라는 회사는 실제로 모델을 공개한다. CSM-1B이며, Hugging Face에 Apache 2.0으로 오픈 웨이트로 올라와 있다. 그것은 앱에서 듣는 목소리가 아니다. 앱은 API도, 모델 ID도, 독립적인 아레나 점수도 없는 프로덕션 시스템을 운영하며, 연구 공개 버전은 2025년 이후 변화가 없다. 그 격차는 이 글에서 가장 중요한 단일 사실이며, 두 제품이 대체재가 아닌 이유다.

각 항목의 비용을 동일한 단위로 환산한 값

단위 불일치는 대부분의 분석 글이 멈추는 지점이므로, 거기서부터 시작하자. Simba 3.5는 입력 텍스트의 문자당 과금한다. Sesame은 통화 시간 허용량과 함께 좌석당 월별로 과금한다. 어느 요율도 서로 깔끔하게 환산되지는 않지만, 둘 다 "우리 조직에 한 달에 얼마가 드는가"로 환산할 수 있으며, 그 비교는 차이가 크다.

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

• Simba 3.5, 11월 21일까지 — 백만 문자당 $10.00, $8.00, $6.00, 구형 모델 요금

• Sesame Free — $0, 하루 30분 통화 시간

• Sesame Plus — 월 $20, 하루 통화 시간 2시간, Free의 주간 크레딧 허용량의 4배

• Sesame Pro — 월 $100, 하루 통화 시간 10시간, Free 주간 크레딧의 20배

• Sesame 추가 기능 — 통화 시간 1시간 추가에 $5, 5시간에 $20; 크레딧은 1,000개당 $5, 5,000개당 $20, 만료되지 않는 패키지

Scale 플랜에서 Simba 3.5의 천만 자는 100달러이며, 완성된 음성으로 약 200시간 분량을 렌더링합니다. Sesame Pro는 월 100달러로 한 사람이 하루에 10시간씩 대화할 수 있는 시간을 제공합니다. 이들은 같은 청구서 항목에 담기는 서로 다른 제품이며, 하나는 자산을 렌더링하고 다른 하나는 대화를 이어가기 때문에 어느 쪽이 더 나은 가치라고 말하기는 정말 어렵습니다.

주목할 만한 Sesame 숫자는 구독료가 아니라 초과 사용 요금이다. 시간당 $5의 추가 통화 시간은 분당 약 $0.083으로, 대화 한 건에는 비싸고 고객에게 내놓기로 결정한 제품에는 저렴하다. 팩은 만료되지 않고 요금제 포함량을 다 쓴 뒤에 사용되므로, 모델링해야 할 숫자는 대표 요금제가 아니라 추가 1시간의 비용이다.

Simba 3.5가 정확히 무엇인지

Simba 3.5는 2026년 10월 21일 Speechify의 권장 모델로 출시되어 Simba 3.2를 대체하고 향후 영어 선택 모델이 되었으며, 단일 모델 ID 아래 적용 범위를 6개 언어에서 48개 언어로 확장했습니다. 카탈로그의 모든 음성은 유료 플랜의 복제 음성을 포함해 동일한 음성 ID로 48개 언어를 모두 지원합니다. 에스토니아어와 광둥어는 명시적으로 제외됩니다. 음성 ID, 출력 형식, speech marks 및 적용되는 SSML 하위 집합은 3.2에서 그대로 이어지므로, 마이그레이션은 API 버전 상향 없이 모델 필드만 한 줄 변경하면 됩니다.

Artificial Analysis에서 이 모델은 Controlled Voice에서 1,192점으로 1위, Provider Voice에서 1,294점으로 5위이며, 각각 1,783개와 1,732개의 샘플을 기반으로 한 결과입니다. 이 비교에서는 Controlled 보드가 의미 있는 보드입니다. 모든 참가 모델에 대해 동일한 8개의 참조 음성을 복제하므로, 여기서 좋은 점수를 받은 모델은 한 번도 들어본 적 없는 음성을 처리한다는 뜻이기 때문입니다. 바로 이것이 복제 음성 워크플로가 요구하는 것입니다.

Speechify 자체 수치로, 회사 외부에서는 누구도 재현하지 못한 값: Simba 3.2 대비 63%의 블라인드 선호도(명시된 95% 구간 60%~67%), 스트리밍 요청의 95번째 백분위수에서 첫 오디오까지 72밀리초, 서빙 인스턴스당 Simba 3.2 처리량의 1.8배. 이는 아레나 수치와 나란히 놓인 공급업체 주장일 뿐 독립적 측정은 아니며, 그렇게 읽어야 한다.

Sesame Preview가 정확히 무엇인지

Sesame Preview는 음성 우선 에이전트 앱으로, 2026년 5월부터 공개 미리보기 중이며, 이름이 있는 페르소나, 세션 간에 유지되는 기억, 그리고 검색·노트·알림 같은 일을 수행한 뒤 통화 끝에 요약을 제공하는 기능을 갖추고 있습니다. iOS와 Android에서 실행되고, 위의 세 가지 요금제를 웹이 아닌 앱 스토어를 통해 판매하며, 앱 제공 국가 밖의 사용자를 위해 무료 브라우저 Research Preview를 Free 플랜과 동일한 일일 30분 한도로 계속 운영합니다.

이 회사의 엔지니어링은 렌더링보다는 발화 차례 주고받기(turn-taking)를 중심으로 이루어져 있으며, 회사는 이에 관한 실제 연구 성과를 공개했다. 2026년 8월 28일 arXiv 논문과 함께 공개된 TurnBench는 이중 채널 스튜디오 녹음 30시간——별도의 방음 부스에서 녹음된 53쌍의 성우 106명이 참여한 154개 대화——을 바탕으로 대화의 타이밍을 측정하며, 발화 차례 종료 감지와 끼어들기를 두 가지 유형의 근접 오답(near-miss)에 비추어 평가한다. 현재 보드에는 25개 시스템이 순위에 올라 있다. 그중 어느 것도 텍스트-투-스피치 모델이 아니다. 과제가 다르기 때문이다.

그리고 결정적으로: Sesame 모델 엔드포인트는 존재하지 않습니다. id도, 요금표도, 참조 음성 파라미터도 없습니다. 개발자는 전화 통화를 호출할 수 없는 것과 마찬가지로 코드에서 Sesame Preview를 호출할 수 없습니다. 로드할 수 있는 유일한 Sesame 아티팩트는 CSM-1B이며, Sesame은 CSM이 "대화의 텍스트와 음성 콘텐츠만 모델링할 수 있고 대화 자체의 구조는 모델링할 수 없다"고 분명히 밝힙니다.

결과를 결정하는 비대칭성

Simba 3.5는 Sesame이 하는 일의 좁고 부분적인 버전을 할 수 있습니다. 스트리밍할 수 있으며, 스트리밍과 좋은 음성 인식 모델을 결합하는 방식은 오늘날 수많은 프로덕션 음성 에이전트가 구축되는 방식입니다. 하지만 언제 말을 멈춰야 하는지 결정하거나, 말하는 동안 듣거나, 끼어들기를 받아들이는 것은 할 수 없습니다. 그것들은 이를 둘러싼 오케스트레이션의 속성이며, 직접 구축해야 하는 부분입니다.

Sesame은 개발자를 위해 Simba 3.5가 제공하는 일을 어떤 형태로도 할 수 없습니다. 문자당 비용으로 제품 UI에 Sesame의 음성을 넣을 수도, Sesame으로 오디오북을 제작할 수도, 카탈로그를 현지화할 수도 없습니다. 당신도 Sesame과 대화할 수 있고 사용자들도 Sesame과 대화할 수 있으며, 그게 전부입니다.

그래서 결정은 결국 무엇을 출시하고 있는가라는 질문으로 귀결됩니다. 음성이 당신이 만드는 무언가 안에 들어간다면 Simba 3.5가 후보이고 Sesame은 목록에 없습니다. 원하는 것이 완성된 경험, 즉 대화를 나누고 심부름을 처리하는 페르소나라면, 당신은 Sesame의 앱을 사는 것이며 음성 품질에 대한 질문은 그것을 측정 가능하게 공개하지 않은 회사가 대신 답해 주는 셈입니다.

현지화 사례의 경우 격차는 전면적입니다.

Simba 3.5는 48개 언어를 지원합니다. Sesame Preview는 영어를 처리하며, 제품 자체가 영어이기 때문에 그 요금제는 언어와 무관합니다. 스크립트가 영어가 아닌 모든 워크로드의 경우, 이 비교는 사양서의 첫 문단에서 끝납니다.

다만 기억해 둘 만한 뉘앙스가 있습니다. Speechify의 48개 언어에는 공급업체가 분명히 밝힌 단서가 따릅니다. 즉, 음성은 원본 녹음의 억양을 유지하므로, 복제된 미국인 음성이 일본어를 말하면 미국인이 일본어를 말하는 것처럼 들립니다. 회사 자체의 지침은 각 로캘의 원어민인 스태프 추천 음성으로 생성하라는 것이며, 그래서 이제 voices 엔드포인트가 staff_pick_rank를 노출합니다. 교차 언어는 지원되지만, 억양 없는 교차 언어를 주장하는 것은 아닙니다.

Sesame의 악센트에 대한 답은 성격이 다릅니다. 페르소나에는 목소리가 있고, 대화가 하나의 언어로 이루어지기 때문에 그 목소리는 이동하지 않습니다. 그것은 소비자 제품에는 한계가 아니지만, 카탈로그에는 결정적인 걸림돌입니다.

OrcaRouter가 적합한 경우와 그렇지 않은 경우

OrcaRouter는 두 제품 중 어느 것도 취급하지 않습니다. Simba 3.5는 Speechify 자체 API를 통해, Sesame Preview는 앱 스토어를 통해 접근합니다. 이 내용을 그와 다르게 해석해서는 안 됩니다.

우리가 라우팅하는 것은 음성 결정을 테스트할 때 대조군으로 사용하게 될 더 작은 합성 카탈로그입니다: openai/tts-1은 백만 문자당 $15.00 그리고 openai/tts-1-hd는 $30.00, 둘 다 공급자 정가에 마크업 추가 없이. Simba 3.5를 무엇과 비교하든 — 이미 사용 중인 OpenAI 음성과 비교하는 경우를 포함해 — 동일한 스크립트를 하나의 키로 두 곳 모두에서 렌더링하는 것이 조달 주기보다 저렴한 실험이며, 자동 페일오버 덕분에 공급자 장애가 발생해도 렌더링 대기열이 함께 중단되지 않습니다.

대화형 사례의 경우 라우터가 내놓을 답은 없으며, 그렇지 않은 척하는 것은 정직하지 않습니다. Sesame Preview는 엔드포인트가 아닙니다. 직접 만들고 있는 제품에서 턴테이킹이 필요하다면, 실제로 원하는 비교는 Simba 3.5와 자체 오케스트레이션을, 해당 API를 판매하는 공급업체의 실시간 음성-음성 API와 비교하는 것이며 — 그것은 다른 글의 주제입니다.

그럼 어느 것?

구축 중이라면 Simba 3.5를 선택하세요: 엔드포인트가 필요하고, 예측 가능한 문자당 청구 요금과 셀 수 있는 언어 목록, 48개 로캘까지 유지되는 복제 음성, 그리고 공급업체가 고르지 않은 참조 음성으로 획득한 보드 최상위 제어 음성 점수가 필요할 때입니다. 또한 Simba 3.5는 한 번 변경된 가격 일정에 들어선 지 3주째이며, simba-multilingual과 simba-english가 Simba 3.5에서 제공되는 모델 ID 마이그레이션이 11월 21일에 적용되므로, 기본값에 의존하지 말고 모델 ID를 의도적으로 고정하세요.

다음에 해당한다면 Sesame Preview를 선택하세요. 기억과 작업 실행 기능을 갖춘 대화형 에이전트를 원하고, 그 음성이 어떤 독립적인 평가 기구에 의해서도 측정되지 않았다는 점을 받아들일 수 있으며, 하루 10시간의 통화 시간에 100달러라는 가격을 그것이 하는 일의 가치에 붙일 수 있는 가격이라고 여긴다면. 그것은 원재료가 아니라 완성된 물건이며, 완성된 물건에는 그에 걸맞은 가격이 매겨진다.

이 비교가 초래하는 오류는 둘 다 사람처럼 들린다는 이유로 이들을 경쟁자로 취급하는 것이다. 그것들은 서로 다른 단위로 판매되고, 서로 다른 방식으로 소비되며, 그중 하나는 코드에서 전혀 호출할 수조차 없다. 그것은 깨야 할 동점이 아니다 — 갈림길이며, 대부분의 팀은 이미 그 갈림길의 어느 쪽에 서 있는지 알고 있다.