AssemblyAI-TTS-1 vs Breeze TTS 2: één Elo-punt verschil, 87 punten verschil

Zet AssemblyAI-TTS-1 en Breeze TTS 2 op het Provider Voice board van Artificial Analysis en ze zijn niet van elkaar te onderscheiden: 1.227 tegen 1.228, één Elo-punt, één plaats op de ladder. Zet ze op het Controlled Voice board — waar elk model dezelfde acht gekloonde stemmen spreekt — en de kloof groeit naar 87 punten, 1.108 tegen 1.021, met AssemblyAI op de tiende plaats en Breeze op de achtentwintigste plaats. Beide getallen zijn echt, beide zijn afgelezen op 30 oktober 2026, en de afstand tussen beide is het hele argument van deze vergelijking. Een van deze modellen heeft een sterke stemcatalogus om een gewoon akoestisch model heen. Het andere heeft een sterk akoestisch model om de goedkoopste prijs per teken in de categorie heen.

Wat volgt is geen muntworp die als analyse is verkleed. De twee producten richten zich op verschillende kopers. AssemblyAI-TTS-1 is een gehoste API van een spraakherkenningsbedrijf dat zijn oren net een mond heeft gegeven: propriëtair, $15 per miljoen tekens, zes talen, onbeperkte gelijktijdigheid. Breeze TTS 2 is een open-weightsmodel van 3 miljard parameters van BreezeBlue, een startup met vijftien medewerkers, met een gehost endpoint voor $34 per miljoen tekens en een licentie op de gewichten die commerciële zelfhosting verbiedt. De scores liggen dicht genoeg bij elkaar om interessant te zijn, en de commerciële modellen kunnen haast niet verschillender zijn.

Twee getallen vóór al het overige.

Artificial Analysis voert zijn blinde luistertests continu uit, en de ranglijsten verschuiven onder de modellen. Breeze TTS 2 debuteerde in augustus met 1.215 Elo en een zesde plaats in de algemene ranglijst, en werd op dat moment gemeld als de beste open-weights-deelnemer. Twee maanden en een dozijn launches later staat het op 1.228 en een dertiende plaats — een hogere score en een slechtere positie, omdat het veld zich boven het model vulde. AssemblyAI-TTS-1 kwam op 27 oktober op de ranglijst met 1.227 en een twaalfde plaats, en stond twee dagen later op een veertiende plaats met exact dezelfde score. Iedereen die een positie uit een lanceringsbericht zonder datum citeert, citeert een verouderd feit.

• Provider Voice (native stemmen) — AssemblyAI-TTS-1 1.227, 14e; Breeze TTS 2 1.228, 13e

• Gecontroleerde stem (acht gedeelde gekloonde stemmen) — AssemblyAI-TTS-1 1.108, 10e; Breeze TTS 2 1.021, 28e

• Prijs per miljoen tekens — $15 vs. $34

• Stemmen — meer dan 4.000 stemmen in de bibliotheek plus direct klonen versus ontworpen stemmen op basis van een tekstbeschrijving, plus een aanvullende bibliotheek met 15.000 stemmen

• Gewichten — geen, alleen API vs. downloadbaar, maar uitsluitend voor onderzoek/niet-commercieel gebruik

• Talen — zes bij de lancering versus 50 geclaimd, modelkaart gemarkeerd als Engels en Chinees

• Doorvoer — 162 tekens per seconde versus ongeveer 45

De controlled-arena-split is de enige die je moet internaliseren, want het is de enige meting in deze vergelijking die één variabele constant houdt. Provider Voice laat elk model zijn eigen stemmen kiezen, dus een model met 15.000 handontworpen stemmen kan winnen op casting eerder dan op akoestiek. Controlled Voice neemt dat weg. Breeze verliest 207 Elo als zijn eigen stemmen buiten spel worden gezet; AssemblyAI verliest 119. Als de stem vastligt, is Breeze niet in de running — 28e — en AssemblyAI staat nog steeds in de top tien.

Waarom een gelijkspel bij blind luisteren een illusie is

De providerboard is een populariteitswedstrijd tussen modellen die elk hun beste stem mogen inbrengen, en Breeze brengt er heel wat mee. BreezeBlue draait om stemontwerp: je beschrijft een personage in natuurlijke taal en het model synthetiseert een bijpassend timbre; stemregie scheidt vervolgens de voordracht van de identiteit, zodat je kunt vragen om "fluisterend" of "gehaast" terwijl de spreker herkenbaar dezelfde persoon blijft. De bijbehorende Voice Galaxy-bibliotheek bevat meer dan 15.000 personagestemmen. Dat is het soort catalogus dat een blinde voorkeurstest wint, en ook het soort catalogus dat je niets vertelt over wat er gebeurt wanneer je een van beide modellen een referentieclip geeft en het vraagt om met die stem te spreken.

Geef je beide modellen een gekloonde stem, dan keert het beeld om. Dat is wat de gecontroleerde arena doet, en daar komen de eigen cijfers van de leverancier overeen met de onafhankelijke cijfers. Breeze rapporteert 0,67 sprekerovereenkomst voor zijn stemklonen; AssemblyAI rapporteert 0,64. Geen van beide is indrukwekkend, en het verschil tussen hen valt binnen de ruis. Wat niet binnen de ruis valt, is de Elo-kloof van 87 punten op dezelfde ranglijst. Als je product een kenmerkende stem nodig heeft die je zelf hebt ontworpen, zijn de ontwerptools van Breeze precies de functie die telt, en is de zwakte van Breeze in de gecontroleerde arena precies het risico — het model kan een stem neerzetten die het zelf heeft gemaakt, en het is minder betrouwbaar in het vasthouden van een stem die je hebt gemaakt.

Wat de prijs eigenlijk koopt

$15 tegen $34 is een gat van 2,3x op listprijs, en dat wordt groter of kleiner afhankelijk van hoe je factureert. AssemblyAI rekent per inputteken, inclusief spaties en leestekens, en biedt elke bibliotheekstem, elke ondersteunde taal, instant cloning, word timestamps en verwerking in de VS of EU tegen één tarief, zonder limiet op gelijktijdigheid bij pay-as-you-go. Het hosted endpoint van Breeze kost $34 per miljoen tekens op dezelfde tekenbasis, en de gratis weights veranderen dat niet voor commerciële gebruikers — de licentie geldt zowel voor self-hosted outputs als voor de weights zelf.

Reken de som eens na op een echt script en de kloof is ongeveer een dollar per voltooid audio-uur bij normaal spreektempo: ruwweg 81 cent bij AssemblyAI tegen ruwweg $1,84 bij Breeze, uitgaand van de standaardschatting van 15 tekens per seconde. Voor een bedrijf dat maandelijks honderdduizend uur agent-spraak genereert, is dat het verschil tussen $81.000 en $184.000 — en dat is een verschil dat je betaalt voor stemontwerptools die je misschien niet gebruikt en een open-weights-verhaal waarmee je misschien niet aan de slag mag.

De licentie is de tweesprong, en voor Breeze wijst die de verkeerde kant op.

Open gewichten zijn meestal het argument dat een vergelijking als deze beëindigt: download het, laat het op je eigen hardware draaien, stop met betalen per teken. Dat argument overleeft de confrontatie met de licentie van Breeze TTS 2 niet. De inferentiecode is Apache 2.0; de gewichten en alle outputs van een self-hosted implementatie vallen onder een licentie voor onderzoek en niet-commercieel gebruik die zich uitstrekt tot afgeleiden, LoRA's, merges en quantisaties. Commercieel self-hosten vereist toestemming van BreezeBlue. In de praktijk is de gehoste API de commerciële route, wat betekent dat het open-gewichtenlabel je inspectie, experimenteren en een ontsnappingsroute oplevert die je moet onderhandelen — geen goedkopere productieroute.

Vergelijk dat met AssemblyAI-TTS-1, dat helemaal geen gewichten biedt en geen pretentie van openheid heeft. Het is een gehoste dienst met een gepubliceerde tarievenkaart en een keuze voor dataresidentie. Voor een koper die tussen de twee moet beslissen, is de vraag niet "open of gesloten", maar "wil ik een onderzoekslicentie ondertekenen en onderhandelen over het recht om zelf een 3B-model te draaien, of wil ik een factuur per teken die ik kan voorspellen?" De 3B-grootte is echt praktisch — ongeveer 7,7 GiB VRAM in de eager-configuratie, een 12GB-GPU als opgegeven minimum, een real-timefactor van 0,32 op een H100, dus ongeveer drie keer sneller dan realtime op de hardware die BreezeBlue heeft gemeten. Het is de kleinste geloofwaardige self-host in deze categorie. Het is gewoon niet een self-host die de meeste bedrijven juridisch mogen gebruiken.

Hetgeen de Elo-ranglijsten niet meten

Doorvoer is het punt waarop de voorsprong van AssemblyAI geen afrondingsfout meer is. Artificial Analysis registreerde 162 tekens per seconde voor AssemblyAI-TTS-1 tegenover ongeveer 45 voor Breeze TTS 2 — een verschil van 3,6x in hoe snel het model tekst in audio omzet. Voor een batchtaak is dat een verschil in wachtrijlengte. Voor een live agent is het het verschil tussen een model dat een snelle spreker kan bijhouden en een dat dat niet kan. Het antwoord van Breeze hierop is zijn streamingpad, dat volgens het bedrijf een tijd tot eerste audio van onder 40 ms bereikt; onafhankelijke metingen komen uit op een p50-tijd tot eerste byte van bijna 119 ms en een tijd tot eerste audio van bijna 134 ms, met een 95e percentiel van ongeveer 163 ms. De vergelijkbare onafhankelijke cijfers van AssemblyAI zijn schaarser — één lab, 159 ms mediane streaminglatentie — dus behandel beide verhalen over latentie als dichter bij elkaar dan de headline van een van beide leveranciers suggereert.

Bij de accuratesse op moeilijke strings is het verschil niet klein. De leveranciersevaluatie van AssemblyAI zet de entiteitsaccuratesse op 93,7% voor telefoonnummers, URL's, codes en medicijnnamen, tegenover 82,5% voor Cartesia Sonic 3.6 en 68,0% voor ElevenLabs Flash v2.5 — in die tabel staat geen cijfer voor Breeze. Breeze heeft nooit een equivalent gepubliceerd, en zijn modelkaart maakt er geen aanspraak op. Als je agent bestelnummers bevestigt, e-mailadressen terugleest of bevestigingscodes letter voor letter spelt, dan is dat een ongemeten risico bij Breeze en de best gedocumenteerde sterkte van de leverancier bij AssemblyAI.

Waar Breeze simpelweg het betere hulpmiddel is

Geen van het bovenstaande maakt Breeze een slecht model; het maakt het een gespecialiseerd model. Als het product een game met veertig personages is, een verhalende audi-app, of een metgezel die moet klinken als een specifiek persoon beschreven in een prompt rather than a voice picked from a dropdown, dan is Breeze's ontwerp-en-regisseurspijplijn een capaciteit die AssemblyAI in geen enkele vorm bezit. AssemblyAI's 4.000 stemmen zijn een bibliotheek waaruit je kiest; die van Breeze zijn stemmen die je zelf creëert. Voeg inline vocale events toe — een lach, een zucht, een ademhaling in het script geschreven — en je hebt een tool voor performance rather than voor aankondigingen. Ook de claim van 50 talen gaat ver beyond AssemblyAI's zes, though de tags van de model card zelf stoppen bij Engels en Chinees en niemand de ruimere lijst onafhankelijk heeft geverifieerd.

Het tegenargument is het argument dat maar terugkeert: 45 tekens per seconde is langzaam, 1.021 Elo op gecontroleerde stemmen is gewoon, en de licentie blokkeert de voor de hand liggende reden om open weights te willen. Breeze TTS 2 is een onderzoeksartefact met een commerciële opstap. AssemblyAI-TTS-1 is een commercieel product zonder onderzoeksverhaal. Kies op basis van welke van die uitspraken jouw probleem beschrijft.

Als je verwacht beide nodig te hebben

De meeste voice-agentteams eindigen met twee TTS-leveranciers, niet omdat ze dat willen, maar omdat kwaliteit, taaldekking en prijs zelden bij één model samenkomen. Neither AssemblyAI-TTS-1 nor Breeze TTS 2 staat vandaag in de OrcaRouter-catalogus, dus dit is geen aanprijzing voor een van beide; het eerlijke advies is de tweede aan te sluiten voordat de eerste uitval heeft. Dat is precies het geval waarvoor automatische failover bestaat, en het is ook de goedkoopste manier om twee TTS-modellen A/B te testen op je eigen verkeer statt op de promptset van een leverancier — één sleutel, een routeringsregel en de verkeerssplit die je kiest, invece van twee contracten en twee SDK-integraties.

We routeren meer dan 200 modellen via één API met 0% opslag, waarbij we de lijstprijzen van providers ongewijzigd doorgeven. Dat is hier belangrijk omdat de TTS-prijzen maandelijks veranderen: AssemblyAI is ingestapt op $15, Cartesia zit op $49, en de ranglijst die hen rangschikt, wordt elke paar weken opnieuw ingedeeld. De TTS-aanbieders die we wel ondersteunen zijn OpenAI's tts-1, tts-1-hd en gpt-4o-mini-tts en Google's Gemini 3.1 Flash TTS Preview — bruikbaar als tweede route terwijl je beslist of het $15-tarief of de toolkit voor stemontwerp is wat je product echt nodig heeft.

De beslissing, simpelweg gesteld

Neem AssemblyAI-TTS-1 als je een high-volume agent bouwt die grotendeels Engels plus vijf talen ondersteunt, getallen bevestigt en gestructureerde data voorleest, en als een doorvoervoorsprong van 162 tekens per seconde plus onbegrensde gelijktijdigheid plus een tariefkaart die je kunt voorspellen belangrijker is dan de mooiste stem hebben. Neem Breeze TTS 2 als de stem het product is — als je personages moet ontwerpen, de presentatie moet regisseren en een performance over een script heen moet vasthouden — en als je kunt leven met een niet-commerciële gewichtslicentie, ongeveer 45 tekens per seconde en een score voor gecontroleerde stem die in het onderste derde van de ranglijst zit.

Het enige punt dat de moeite waard is om mee te nemen, is dat deze twee niet echt rivalen zijn. Ze eindigen gelijk op een bord dat casting beloont en lopen scherp uiteen op een bord dat akoestiek beloont, en het model dat op de gelijke stand zwakker lijkt, is degene die de meting wint terwijl alles else constant blijft. Prijs en licenties beslissen het dan voor de meeste commerciële kopers voordat het Elo-argument gehoord wordt.