AssemblyAI-TTS-1 vs Sesame Preview: Een van deze heeft geen tariefkaart

Je kunt Sesame Preview niet kopen. Het is een gratis consumentenapp — Maya, Miles, Simone en Charlie, vier companions met een blijvend geheugen op iOS en Android, een limiet van 30 minuten per gesprek en een niet-aangekondigd plan om je in 2027 een bril te verkopen — en er zit geen developer-endpoint, geen model-ID en geen prijslijst achter. AssemblyAI-TTS-1, is daarentegen een regelpost: $15 per miljoen tekens, algemeen beschikbaar sinds 27 oktober 2026, met streaming via HTTP en WebSocket in US-East of EU-North. De vergelijking zoals die gewoonlijk wordt gesteld, is dus geen vergelijking. Het is een product tegenover een demo.

De vergelijking wordt nuttig op het moment dat je de Sesame invult die daadwerkelijk gewichten heeft: Sesame CSM 1B, het Apache-2.0-checkpoint voor conversationele spraak op Hugging Face, een model met ongeveer een miljard parameters dat tekst plus audiocontext accepteert en Engelse spraak genereert. Nu is het een echte afweging — een open 1B-checkpoint voor $7 per miljoen tekens tegenover een gesloten endpoint voor $15 — en het interessante deel is dat juist de goedkoopste degene is waar je een agent omheen moet bouwen.

Wat Sesame Preview precies is, zodat de vergelijking niet scheefloopt

Sesame Preview is een uitgebracht product met een echt model erin en geen mogelijkheid om dat model te huren. Het productiemodel van de app is niet het vrijgegeven checkpoint: Sesame publiceert CSM 1B, een basisgeneratiemodel dat niet is bijgetraind op een specifieke stem, terwijl de gepolijste persona's in de app die van Sesame zelf zijn. De app claimt een latency van minder dan 300 ms; een meting door derden van de persona Maya zet de eerste byte op ongeveer 80–130 ms. Geen van beide getallen beschrijft CSM 1B zoals je het zult ontvangen.

De update van de app van oktober 2026 — verbeterde expressiviteit en uitspraak, computertoegang voor agents, Gmail-, Calendar- en Drive-connectors, MCP-ondersteuning, een beeldgenerator — is een signaal voor de roadmap, geen commercieel signaal. Sesame heeft gezegd dat ontwikkelaarstools "later dit jaar" komen, zonder te specificeren wat ze zullen zijn, tegen welke prijs, of het om het productiemodel of de checkpoint gaat. Niets in deze beslissing mag op die ene zin worden gebouwd.

De twee facturen, omgerekend naar dezelfde eenheid

CSM 1B staat vermeld op $7,00 per miljoen tekens op gehoste gateways die het aanbieden, afgerekend per teken en niet per token. AssemblyAI-TTS-1 kost $15,00 per miljoen tekens, en dat tarief omvat elke stem in de bibliotheek van meer dan 4.000 stemmen, elk van zijn zes starttalen, directe stemkloning, woordtijdstempels, verwerking in de VS of EU en onbeperkte gelijktijdigheid.

Bij een normaal spraaktempo van ongeveer 900 tekens per minuut komt de vergelijking per uur op ongeveer $0,35 voor CSM 1B tegen ongeveer $0,81 voor AssemblyAI-TTS-1 — het open checkpoint is per teken iets meer dan twee keer zo goedkoop — en juist het CSM-cijfer zegt je het minst, omdat het de prijs van het model weergeeft en niet die van het systeem.

De dimensielijst is het punt waarop de twee helemaal niet meer vergelijkbaar zijn:

• Prijs — $7 per miljoen tekens tegen $15, waarbij alle stemmen en stemklonen inbegrepen zijn bij de duurdere optie.

• Talen — CSM 1B is Engels, en de modelkaart is expliciet dat eventuele niet-Engelse vaardigheden incidenteel zijn; de app noemt meerdere talen als "vroege ondersteuning", wat een andere belofte is. AssemblyAI-TTS-1 werd gelanceerd met zes.

• Stemmeninventaris — CSM 1B levert zeven stemmen en een basismodel waarvan je wordt verwacht dat je het kloont; AssemblyAI-TTS-1 levert meer dan 4.000 stemmen en direct klonen vanaf een sample van 24 seconden.

• Cloneeringsdiepte — geen van beide biedt een getrainde professionele clone. Het instantpad van AssemblyAI vereist een bevestigingsstap voor sprekerpermissie; CSM 1B draagt identiteit over in zero-shot en vlakt daarbij de prosodie af.

• Wat je moet leveren — CSM 1B heeft een codec, beurtdetectie, contextassemblage en de agentlus nodig, plus een contextbudget van 4K tokens dat je zelf beheert. AssemblyAI-TTS-1 heeft een HTTP-client, een streamhandler en een annuleringsbericht nodig.

• Latentiebewijs — AssemblyAI-TTS-1 heeft een claim van de leverancier, twee onafhankelijke metingen en een positie op de ranglijst. CSM 1B heeft implementatierapporten die een bereik van twee orden van grootte omspannen.

Latentie: 90 ms geclaimd, 159 ms gemeten, 9,9 seconden waargenomen

Het latencyverhaal van AssemblyAI-TTS-1 is gedocumenteerd en wordt betwist, en dat is eerlijk gezegd gemakkelijk samen te vatten. De leverancier claimt 90 ms tot eerste audio in productie en 47 ms mediane tijd tot eerste byte in zijn lab. Cekura, dat onafhankelijk mat in een agent-achtige test, kwam op 159 ms mediane streaming-opstarttijd, 296 ms bij p90, en plaatste het op de achtste plek van de negentien modellen die het timede. Dat verschil is methodologie — verzoek-tot-eerste-byte versus laatste-woord-verzonden-tot-eerste-audio — niet oneerlijkheid, en de tweede meting is wat uw beller ervaart.

Het latentieverhaal van CSM 1B is niet zozeer betwist als wel onbegrensd. Geoptimaliseerde on-device conversies melden ongeveer 120 ms tot het eerste audio, met een realtimefactor tussen 0,5 en 0,9 op Apple Silicon; een niet-geoptimaliseerde RTX 5070 Ti loopt volgens berichten op ruwweg de helft van realtime; één gehoste aanbieding publiceert een P50 van ongeveer 9,9 seconden en een P95 van ongeveer 39 seconden van begin tot eind. Allemaal beschrijven ze dezelfde checkpoint. Welke je krijgt, hangt af van hoeveel serving-engineering je meebrengt.

Dat is de kern van de hele vergelijking, en het is geen kwaliteitsargument. Een gesloten endpoint heeft het serverwerk al gedaan en in de prijs verrekend: $0,81 per uur, geen GPU, geen codec, geen wachtrijontwerp. Een open 1B-checkpoint geeft je een model voor $0,35 per uur en geeft je het deel terug dat duur was om te bouwen. Als je die engineering al in huis hebt, is het checkpoint met een ruime marge de betere deal. Als je dat niet hebt, is de $0,46 per uur die je bespaart een afrondingsfout naast de eerste maand van iemands tijd.

Waar elk ervan eigenlijk slecht is

De zwakke punten van AssemblyAI-TTS-1 liggen allemaal in de staart van echte tekst. Artificial Analysis scoort het 81,7% op uitspraakrobuustheid in het algemeen, als zestiende, met 73,8% voor afkortingsuitbreiding; Cekura's contextuele uitspraaktest plaatst het op de tweeëntwintigste plaats van zevenentwintig met 70,8%, zelfs terwijl het als eerste wordt gerangschikt voor telefoonnummers en codes met 91,7%. Er is geen uitspraakwoordenboek en geen SSML om dat alles te corrigeren, en zijn zes talen zijn een harde bovengrens, geen uitgangspunt. De door de leverancier gemelde entiteitsaccuratesse van 93,7% op zijn eigen set van 580 items zegt het tegendeel, en alleen uw corpus kan beslissen welke meting uw verkeer beschrijft.

De zwakke punten van CSM 1B zijn structureel van aard, niet data-gedreven. Het is bewust alleen Engels. Het is een basismodel, dus de stem die je krijgt is niet een stem die iemand heeft afgestemd. Het snijdt bij sommige generaties het laatste woord af, bevat een watermerk in zijn referentiegenerator, en sommige gehoste wrappers laten stilzwijgend de context-, taal- en max-length-parameters weg — wat betekent dat een gateway die je CSM 1B aanbiedt, het model mogelijk niet draait zoals gedocumenteerd. De context is 4K tokens met een maximale output van ongeveer 3.686, dus lange gesprekken moet je zelf samenstellen.

Eén ding zijn ze geen van beide, en dat is belangrijk voor iedereen die van de consumenten-app komt: een conversatiepartner. AssemblyAI-TTS-1 zet tekst om in spraak en heeft geen begrip van dialoogstatus. CSM 1B is van de twee het meest dialoogbewust — het neemt audiocontext als invoer — maar het produceert spraak één beurt tegelijk, zonder eigen beurtdetectie. De ogenschijnlijke naadloosheid van de app is een product, en geen van beide modellen levert dat mee.

Drie vragen die mensen daadwerkelijk stellen

Is CSM 1B hetzelfde model waarop de Sesame-app draait? Nee. De app draait het productiemodel van Sesame; de checkpoint is een basaal generatiemodel dat onder Apache 2.0 is uitgebracht, en juist het verschil tussen beide is de reden dat de app klinkt als Maya en een verse implementatie van CSM 1B niet. Zie de app als een demo van wat Sesame kan bouwen, niet als een voorproefje van wat je zult krijgen.

Wat is goedkoper bij honderdduizend gesprekken van drie minuten? Op papier CSM 1B: 270 miljoen tekens, ongeveer $1.890 voor het checkpoint tegen ongeveer $4.050 voor AssemblyAI-TTS-1. In de praktijk laat het checkpointcijfer GPU-uren, de serving-engineer en het latency-werk dat nodig is om ook maar iets in de buurt van een agent-grade stream te komen, buiten de berekening. Bij dat volume is de eerlijke vergelijking $4.050 tegen "onbekend tot je het gebouwd hebt", en onbekend is de duurste van de twee.

Kan AssemblyAI-TTS-1 mijn eigen stem klonen? Ja, door een opname van ongeveer 24 seconden te uploaden en te bevestigen dat je toestemming van de spreker hebt; de stem-ID komt binnen enkele seconden terug en wordt gefactureerd tegen hetzelfde tarief per teken als de bibliotheek. Er is geen getrainde professionele kloon, dus het resultaat is een bruikbare identiteit eerder dan een beheerd merkasset — en bij de lancering was er geen fijn afgestelde cloning beschikbaar.

Welke beslissing dit eigenlijk is

Als de naam die je voor je hebt Sesame Preview is, stop dan: er is niets te integreren en geen prijs te vergelijken. Is het CSM 1B, dan kies je geen TTS-model, maar kies je of je de servinglaag zelf wilt bezitten — en de drie voorwaarden die een "ja" verdedigbaar maken, zijn dat je alleen Engels nodig hebt, dat je GPU-capaciteit hebt met een engineer die dat kan waarmaken, en dat je het model binnen je eigen perimeter wilt. Alles anders pleit voor het endpoint.

Het kostenargument dat meestal de doorslag geeft, is helemaal niet het tarief per karakter. Het is consolidatie: een spraakagent verzamelt doorgaans een TTS-leverancier, een spraak-naar-tekst-leverancier en een taalmodelleverancier, elk met een eigen contract en een eigen prijswijzigingscyclus. OrcaRouter bestaat om die laatste laag af te vlakken — één API voor meer dan 200 modellen tegen de listprijs van de provider met 0% opslag, zodat een prijsverlaging van een leverancier je factuur dezelfde dag bereikt en niet pas bij de volgende verlenging, met automatische failover, een routerings-DSL om modellen in één aanroep samen te stellen en modelfusie wanneer één antwoord niet voldoende is. AssemblyAI-TTS-1 en CSM 1B bevinden zich vandaag allebei buiten die catalogus — onze spraakroutes zijn de tts-1-familie van OpenAI en de Gemini TTS-previews van Google — dus het argument gaat over de rekening die je al betaalt, niet over een aankoop die je hier kunt doen.

De app van Sesame is de beste gratis demonstratie in deze categorie en krijgt waarschijnlijk uiteindelijk een ontwikkelaarsproduct. AssemblyAI-TTS-1 is een tarievenkaart die je deze week kunt ondertekenen. Tussen die twee feiten is de enige verdedigbare strategie om te bouwen op het bestaande en een plek in je architectuur vrij te houden voor het andere, als Sesame ooit het model levert in plaats van de brochure.