Rime Prism vs Inworld Realtime TTS 2: 200 locales tegen één checkpoint

Hier is een feit dat de meeste versies van deze vergelijking al zouden moeten afsluiten voordat iemand een benchmark opent: Inworld Realtime TTS 2 publiceert ondersteuning voor meer dan 200 locales en levert 282 ingebouwde stemmen, terwijl Rime Prism helemaal geen aantal talen en geen aantal stemmen publiceert. Als je een voice-agent in een tiental markten uitrolt, is dat geen afweging om te maken — het is een filter die één optie verwijdert. De vergelijking blijft alleen interessant voor de koper die in één markt actief is en aan regelgeving onderworpen is, omdat Rime Prism het enige model in dit paar is waarmee een applicatie een zin kan lezen en blokkeren voordat de beller hem hoort. Inworld Realtime TTS 2 is een tekst-naar-spraakmodel met een zeer goed realtimeverhaal eraan gekoppeld, en het heeft geen gelijkwaardig checkpoint, omdat de beslissing op het moment dat het tekst ziet al genomen is.

De namen zijn ook misleidend op een manier die al slechte adviezen heeft opgeleverd. "Inworld Realtime TTS 2" is geen spraak-naar-spraakmodel. Rime Prism wel. Dat onderscheid ligt ten grondslag aan elk cijfer hieronder en is het vermelden waard voordat de cijfers beginnen.

Een van deze is geen agent.

Inworld Realtime TTS 2 is tekst erin, audio eruit. Duplexgedrag — de beller horen terwijl je spreekt, omgaan met onderbrekingen — komt van Inworlds aparte Realtime API, die het OpenAI Realtime-protocol spreekt en een onderbrekingslatentie van ongeveer 100 ms belooft. Dat is een tweede product met een tweede integratie, geen eigenschap van het TTS-model zelf. Wie "Realtime" in de modelnaam leest en aanneemt dat het end-to-end spraak-naar-spraak is, heeft de catalogus verkeerd gelezen.

Prism is een heel andere vorm. Audio in, audio uit, in één systeem, met een teksttussenpunt in het midden en tool-aanroepen die gelijktijdig met de spraak lopen, niet vooraf daaraan. Het is precies daarom geprijsd per minuut gespreksaudio — je koopt het gesprek, niet de tekst.

Dus de eerlijke framing van deze vergelijking is: Inworld Realtime TTS 2 is de beste synthese-stap in zijn klasse voor een cascade die je zelf samenstelt, en Prism is een vervanging voor de cascade. Je kunt de voorkeur geven aan Inworld en toch een agent in de vorm van Prism bouwen, alleen in meer onderdelen. Je kunt niet de voorkeur geven aan Prism en toch Inworlds taaldekking krijgen, want die is niet gepubliceerd.

De dekkingscijfers, en wat ze waard zijn

De lijst van Inworld is ongewoon specifiek, wat op zichzelf informatief is:

• Locales — ruim 200, onderverdeeld in 15 met Tier 1-kwaliteit en 79 met Tier 2.

• Stemmen — 282 ingebouwde, met 20 zorgvuldig samengestelde presets.

• Klonen — zero-shot vanaf 5 tot 15 seconden audio; Professional Voice Cloning in preview en alleen voor flagship.

Continuïteit — één consistente stemidentiteit die over alle talen heen wordt doorgevoerd; juist dat zorgt ervoor dat een merkintroductie in meerdere markten bewust overkomt in plaats van vertaald.

Audio — MP3-, WAV-, OGG-, FLAC- en PCM-uitvoer, 8 kHz tot 48 kHz, standaard 24 kHz.

• Doorvoer — 2.000 tekens per verzoek, WebSocket-streaming met 20 gelijktijdige verbindingen en 5 contexten.

• Latentie — server-side P99-tijd tot eerste byte onder 100 ms voor TTS-2; de Flash-variant die op 31 augustus 2026 is gelanceerd, claimt minder dan 25 ms, met metingen door derden rond 25 ms.

De indeling in Tier 1 en Tier 2 is het deel dat aandacht verdient, niet de kop van "200 en meer". Vijftien locales op vlaggenschipkwaliteit van de 200 die worden ondersteund, is een oprecht eerlijke mededeling, en ze zegt je waar het product daadwerkelijk af is. Als je markten Engels, Spaans, Portugees, Duits, Frans en Japans zijn, zit je waarschijnlijk in Tier 1 en is de kop waar. Zijn het de andere 185, dan zit je in het deel van de catalogus dat bestaat, maar niet is gecureerd.

Vergelijk dat met Prism, waar het ontbreken van een gepubliceerde lijst geen bewijs is van slechte dekking — Rime publiceert taal- en stemaantallen voor zijn afzonderlijke text-to-speechproducten, maar niet voor Prism — maar het is wel bewijs dat je er geen planning op kunt baseren. Voor een uitrol in één markt in de taal waarvoor Rime ontwikkelt, kost dat ontbreken je niets. Voor alles breder is het het hele antwoord.

De duplexvraag die niemand stelt

"Realtime TTS" en "speech-to-speech" klinken als dezelfde belofte en gedragen zich totaal niet hetzelfde bij onderbreking.

In een cascade die is gebouwd op Inworld Realtime TTS 2, is het afhandelen van onderbrekingen een coördinatieprobleem over drie diensten. De herkenner moet merken dat de beller begonnen is met praten, de orchestrator moet de taalmodelbeurt annuleren, en de synthesizer moet midden in de stream stoppen en zijn buffer leegmaken. De Realtime API van Inworld doet het deel van de synthesizer goed — ongeveer 100 ms om te onderbreken — maar de andere twee delen liggen bij u, en de fout is hoorbaar: de agent praat nog een tel door nadat de beller al begonnen is, en herstart dan een zin op de verkeerde plek.

Prism regelt dit binnen één model, en Rime noemt het omgaan met onderbrekingen als een gesprekspunt richting designpartners. Dat is geen benchmark die je kunt lezen; het is een categorie bugs die je niet meer hebt. Voor een supportlijn waar bellers de agent constant in de rede vallen, is dat meer waard dan een paar Elo-punten.

Het tegenargument is dat een goed gebouwde cascade met een agressief annuleringspad hierop oprecht goed is, en dat de coördinatiecode een bekend gegeven is die veel teams al hebben geschreven. Onderbrekingsverwerking is moeilijk, niet onmogelijk, en het verschil tussen de twee architecturen wordt kleiner met technische inspanning. Wat niet kleiner wordt, is het aantal services waarvoor je om 3 uur 's nachts opgeroepen wordt.

Prijs: vier cent versus vier cent, min of meer

Inworld rekent per karakter, Prism per minuut gespreksaudio, en juist in de conversie tussen die twee gaat het mis bij eerlijke vergelijkingen.

• Inworld Realtime TTS 2 — $25 per miljoen tekens on-demand, $12,50 op Growth, tot ongeveer $5 bij enterprisevolume. TTS-2 Flash kost $15, $7 en minder dan $5 op dezelfde niveaus. Bij ongeveer 1.000 tekens per minuut spraak is het on-demand tarief ongeveer $0,025 per minuut gegenereerde audio.

• Rime Prism — $ 0,080 per minuut gespreksaudio op Flex, $ 0,064 op Scale, $ 50 gratis tegoed op het gratis niveau, maatwerk op Enterprise.

Een minuut spraak van een agent kost dus ongeveer 2,5 cent bij Inworld en 8 cent bij Prism. Dat is het getal dat de vergelijkingstabellen tonen, en het is om twee redenen misleidend.

Het eerste is dat de centen van Inworld één hop kopen. Een cascade voegt herkenning toe — doorgaans een halve cent tot een cent per minuut — en een taalmodelbeurt, die bij gespreksvolumes in de lage enkele centen uitkomt. Voeg de drie samen en je zit bijna op zes tot negen cent per door de agent gesproken minuut, wat de acht van Prism omvat. De kloof in de tabel is een artefact van het vergelijken van een component met een systeem.

Het tweede is dat een minuut bij Prism geen minuut spreektijd van de agent is. Het factureert de audio van het gesprek, dus een beller die vier minuten spreekt en de agent één minuut hoort, kost Prism vijf minuten. De Cascade-prijsstelling schaalt met hoeveel de agent zegt; die van Prism schaalt met hoe lang het gesprek duurt. In een supportwachtrij met lange beurten van klanten is dat een echte meerprijs. In een boekingsflow waarin de agent het grootste deel van het gesprek voor zijn rekening neemt, komt het bijna op hetzelfde neer.

Inworlds abonnementstructuur voegt een praktische beperking toe die de moeite van het controleren waard is: een Creator-abonnement van $25 per maand, $25 per miljoen tekens on demand, $12,50 bij Growth, enterprise op maat. Concurrency bedraagt 20 WebSocket-verbindingen op het streamingpad; voor een wachtrij van middelgrote omvang is dat toereikend, voor een grote is het de beperkende factor.

Controle: de één heeft een plek om te staan, de ander niet.

Dit is waar Prism zijn premie rechtvaardigt, en het is een structureel verschil, niet een gat in functionaliteit.

Inworld Realtime TTS 2 is echt geavanceerd waar het context betreft. Het leest eerdere beurten als audio-input, het accepteert vrije stemregie in gewoon Engels, en het ondersteunt inline-tags en een spellingmodus per teken voor ordernummers, codes en adressen. Die spellingmodus komt in deze vergelijking het dichtst in de buurt van een besturing vóór het spreken, en ze is goed — een synthesizer die "vier-zeven-twee" kan zeggen in plaats van "vierhonderdtweeënzeventig" lost een reële categorie fouten in supportgesprekken op.

Maar het werkt op tekst die je al hebt vastgelegd. Er is geen moment in de beurt waarop Inworld aan je applicatie vertelt "dit is wat ik ga zeggen" en dan wacht. De spellingmodus bepaalt de uitspraak, niet de inhoud.

Prism vertelt het je bij elke beurt. Rimes bewering is dat de tekst een controlepunt is en geen tussenstap: een guardrail kan elk woord inspecteren voordat het wordt uitgesproken, een beleidslaag kan een afgewezen zin herschrijven en het model spreekt de vervanging uit, een verboden claim kan volledig worden geblokkeerd terwijl het gesprek doorgaat. Of de redenering van het model echt audio-native is, is een bewering die het testen waard is; of de tekst vóór de audio aankomt, is een gegeven van het ontwerp.

Voor een gereguleerde uitrol in één markt is dat feit de reden om acht cent te betalen in plaats van een goedkopere cascade samen te stellen. Voor al het overige is het een functie die u koopt en misschien niet nodig hebt.

Wat de claims van de ranglijst eigenlijk zeggen

Inworld positioneert Realtime TTS 2 als nummer één op de Artificial Analysis Speech Arena. Onafhankelijke arena-noteringen plaatsen het op een Elo van ongeveer 1.245, als derde op de huidige ranglijst, met TTS-2 Flash op ongeveer 1.210 en zesde. Een plaats in de top drie in een openbare arena is een uitstekend resultaat en een bruikbaardere claim dan die in de marketing; de discrepantie is een positioneringsstatement dat botst met een live ranglijst die zich verschuift wanneer stemmers binnenkomen.

Voor Prism bestaat geen equivalent. De 56,6 op τ-Voice is een agentische taakvoltooiingsscore die Rime zelf heeft uitgevoerd, op een harness die Artificial Analysis ook gebruikt, zonder gepubliceerde leaderboardvermelding bij de lancering. De twee getallen meten verschillende dingen — hoe een stem klinkt voor menselijke beoordelaars versus hoe vaak een agent een gesimuleerde serviceopdracht voltooit — en er is geen rekenkundige bewerking die het ene in het andere omzet.

Die asymmetrie is, opnieuw, de vergelijking in het klein. Inworld heeft een score voor stemkwaliteit met een scheidsrechter. Prism heeft een score voor agentcapaciteit zonder een scheidsrechter. Geen van beide bedrijven heeft een head-to-head gepubliceerd, en geen van beide modellen is ooit door hetzelfde lab op dezelfde taak uitgevoerd.

Als jij de cascade bouwt, routeren wij het midden.

Inworld Realtime TTS 2 wordt direct door Inworld verkocht en via verschillende platforms van derden. Rime Prism wordt direct door Rime verkocht. Geen van beide staat momenteel in de catalogus van OrcaRouter, en dit artikel stelt niet anders.

De cascade-architectuur waartoe het model van Inworld behoort, heeft nog steeds een taalmodel in het midden nodig, en dat midden is waar kwaliteit en kosten daadwerkelijk worden bepaald. OrcaRouter zet meer dan 200 modellen achter één sleutel met 0% opslag bovenop de lijstprijs van de provider, met automatische failover wanneer een provider verslechtert en een routing-DSL om verschillende beurten naar verschillende modellen te sturen — goedkoop voor de bevestiging, krachtig voor het opzoeken, allemaal via één endpoint. Voor een spraakagent is dat de nuttige eenheid: één plek om het model te wijzigen zonder het oproeppad aan te raken.

We routeren ook synthese, als je die op dezelfde sleutel wilt hebben in plaats van een tweede contract: openai/tts-1-hd en google/gemini-3.1-flash-tts-preview zijn beide beschikbaar tegen lijstprijs. Geen van beide is Inworld Realtime TTS 2. Beide zijn de laatste stap van een cascade die je vandaag kunt samenstellen.

Twee vragen, en de ene die de doorslag geeft.

Vraag één: hoeveel talen? Als het antwoord meer dan een handvol is, is het Inworld Realtime TTS 2, en is de vergelijking voorbij. Tweehonderd locales met een gepubliceerde Tier 1-lijst van vijftien verslaan een niet-gepubliceerde lijst zonder bijgevoegde aantallen, en je kunt geen inkoopprocedure uitvoeren op een leeg veld.

Vraag twee: moet iemand de zin goedkeuren voordat hij wordt uitgesproken? Als dat zo is, Prism. Niet omdat het beter is in spraak — er is geen bewijs voor of tegen — maar omdat het het enige model hier is dat de zin produceert als een artefact dat je applicatie kan vasthouden. Dat is het hele product, en het kost ongeveer acht cent per gespreksminuut.

Als geen van beide bindt, is het eerlijke antwoord dat je de goedkopere cascade rond Inworlds synthesizer moet bouwen en de besparing moet uitgeven aan het omgaan met onderbrekingen, want dat is het deel van de ervaring dat een beller daadwerkelijk merkt. Tweeënhalf cent per minuut voor de synthesestap is een sterk aanbod van een model dat tweede staat op een openbare arena, en het checkpoint dat je afwijst, is er een waarvan je ons net hebt gezegd dat je het niet nodig hebt.

Een opmerking over de cijfers voordat iemand ze citeert: Inworlds dekkings-, latency- en prijscijfers zijn van Inworld zelf, de arena-Elo is die van Artificial Analysis, en die is het niet eens met Inworlds positionering als nummer één. Prism's 56.6 is van Rime, niet gereproduceerd. Geen enkele onafhankelijke partij heeft gemeten dat een van beide modellen het werk van het andere doet, en dat is precies de enige kloof die geen van beide bedrijven heeft gedicht.