Simba 3.5 conquista o 1º lugar na Voice Arena por dois pontos de Elo, o que não é a mesma coisa que vencer

SpeechifyAI Simba 3.5 agora é o primeiro no Controlled Voice arena do Artificial Analysis, com Elo de 1.192, e a margem sobre o HeyGen Voice, com 1.190, é de dois pontos em um ranking cujo intervalo de confiança no topo é de mais ou menos 17. Em terceiro está o Alibaba Qwen-Audio-3.1-TTS-Plus, com 1.176. Leia o leaderboard como uma imagem e o Simba 3.5 tem a coroa; leia o intervalo e quatro modelos estão empatados por ela. Ambas as leituras estão corretas, e qual delas importa depende de se você está escrevendo uma manchete ou escolhendo um fornecedor.

A notícia mais útil sobre este modelo não é o ranking. O Simba 3.5 foi lançado em 21 de outubro de 2026 e, nas três semanas e meia desde então, a Speechify reduziu seu preço de tabela, publicou a lista de idiomas e definiu uma data — 21 de novembro — a partir da qual dois IDs de modelo legados começarão a ser atendidos por ele. A posição na arena é a parte que todos vão citar. As datas são a parte que muda uma fatura.

O que o conselho realmente diz, em números que você pode conferir

A Artificial Analysis administra duas arenas de fala e elas medem coisas diferentes. O Controlled Voice clona as mesmas oito vozes de referência — quatro americanas, quatro britânicas — para cada participante, então o falante é mantido constante e apenas a síntese varia. O Provider Voice permite que cada fornecedor use seu próprio elenco de vozes. Um modelo com vozes padrão excelentes pode vencer a segunda e perder a primeira. Atualmente, o Simba 3.5 faz o oposto disso.

• Voz controlada — SpeechifyAI Simba 3.5, posição 1, Elo 1.192, mais ou menos 17, intervalo de 1.175 a 1.209, 1.783 amostras, lançado em novembro de 2026

• Controlled Voice — HeyGen Voice, classificação 2, Elo 1.190, mais ou menos 13, intervalo de 1.177 a 1.203, 2.626 amostras, com preço de US$ 30,00 por milhão de caracteres

• Voz Controlada — Alibaba Qwen-Audio-3.1-TTS-Plus, posição 3, Elo 1.176, mais ou menos 12, intervalo de 1.164 a 1.188, 2.968 amostras

• Voz Controlada — HeyGen Voice Turbo, posição 4, Elo 1.174, mais ou menos 15, listado a US$ 4,00 por milhão de caracteres

• Voz controlada — ElevenLabs Eleven v4, posição 7, Elo 1.155, mais ou menos 12, listado a US$ 80,00 por milhão de caracteres

• Voz Controlada — SpeechifyAI Simba 3.2, classificação 14, Elo 1.082, mais ou menos 12, lançado em julho de 2026

• Voz do provedor — SpeechifyAI Simba 3.5, classificação 5, Elo 1.294, mais ou menos 17, intervalo de 1.277 a 1.311, 1.732 amostras

• Voz do provedor — ElevenLabs Eleven v4, posição 1, Elo 1.340, mais ou menos 15

Duas coisas decorrem imediatamente. A primeira é que a ordenação de Voz Controlada no topo permanece sem resolução: o intervalo do Simba 3.5 vai de 1.175 a 1.209, o do HeyGen Voice vai de 1.177 a 1.203, e o Qwen-Audio-3.1-TTS-Plus fica em 1.164 a 1.188. Essas três faixas se sobrepõem quase completamente. A coluna de intervalo de classificação diz a mesma coisa com menos caracteres — o Simba 3.5 aparece como ocupando as classificações 1 a 3, não apenas a classificação 1.

A segunda é que isto não é um acaso de um campo fraco. O Simba 3.5 está 110 pontos Elo acima do seu próprio antecessor, o SpeechifyAI Simba 3.2, que tem 1.082, e essa diferença é maior do que o intervalo de qualquer um dos modelos. O salto geracional é real, embora a liderança sobre o campo ainda não esteja consolidada.

Por que a parte superior desta placa em particular está comprimida

Elo é uma escala relativa, e este ranking é ancorado em 1.000 pelo OpenAudio S1, uma entrada de referência fixa que nunca se move. Todo o restante é posicionado em relação a ele por votações pareadas às cegas. Essa construção tem uma consequência que as pessoas não percebem: à medida que o campo melhora, o topo não se dispersa, ele se aglomera. A distância da posição 1 à posição 14 neste ranking é de 110 pontos. A distância da posição 27 (SpeechifyAI Simba 3.0 em 1.035) à posição 51 (OpenVoice v2 em 823) é de 212.

Quando cem modelos estão todos sendo avaliados com as mesmas oito vozes clonadas por ouvintes que não conseguem ver os rótulos, as diferenças que sobrevivem são pequenas, e o ruído ao redor delas é grande. Uma vantagem de dois pontos em um ranking como esse é um dado real sobre um modelo real — e não é uma decisão de produto. Qualquer pessoa que precise de uma decisão tem de acrescentar as coisas que o Elo não mede: quanto custa o modelo, quais idiomas ele fala, com que rapidez o primeiro áudio chega e se o formato da API se encaixa no código já escrito.

O preço mudou duas vezes em três semanas

Esta é a parte da história do Simba 3.5 que é genuinamente recente, e está totalmente ausente da cobertura de lançamento escrita em outubro. A Speechify publicou o modelo a $20, $16 e $12 por milhão de caracteres nos planos Starter, Pro e Scale. Em 9 de novembro, reduziu a tabela para $15, $12 e $10. A oferta de lançamento não mudou: até 21 de novembro de 2026, o Simba 3.5 cobra às tarifas do Simba 3.0 e do Simba 3.2 — $10, $8 e $6 — e, a partir de 22 de novembro, cobra pelo novo preço de tabela, e não pelo antigo.

Fazendo as contas com base nos saldos de planos que a Speechify publica, isso significa que um mês do Pro com 9 milhões de caracteres custa US$ 72 na tarifa promocional e US$ 108 no preço de tabela. Um mês do Scale com 46,8 milhões de caracteres custa US$ 280,80 na tarifa promocional e US$ 468 no preço de tabela. O corte de 9 de novembro é o que impede que esse segundo número seja US$ 561,60, que é o que o preço de tabela original do lançamento teria cobrado.

Um número no ranking precisa ser corrigido antes que alguém faça um orçamento com base nele. A Artificial Analysis lista o Simba 3.5 a US$ 6,58 por milhão de caracteres — o mesmo valor que mostra para o Simba 3.2 e o Simba 3.0. Essa é uma tarifa embutida no plano, não a lista publicada da Speechify, e não corresponde à faixa de US$ 10 a US$ 15 no changelog do próprio fornecedor. Se você estiver modelando gastos, use a tabela de faixas do fornecedor; a coluna de preço do ranking é útil para classificação, não para uma previsão.

O que muda em 21 de novembro

Os dois ids de modelo Simba 1.6 do Speechify, simba-english e simba-multilingual, deixaram de ser selecionáveis na versão de API 2026-09-21 — um novo workspace que envie qualquer um dos dois recebe um 400 model_retired. Em 21 de novembro entra em vigor a segunda metade dessa desativação: em todas as versões de API que ainda conseguem nomear os ids antigos, ambos passam a ser atendidos pelo Simba 3.5, em todos os idiomas, e cobrados como simba-3.5.

A leitura prática é que um conjunto de integrações que não sofre alterações desde setembro mudará de voz e de preço no mesmo dia, sem alteração de código e sem aviso além deste changelog. Nada quebra. O áudio é diferente, e a fatura é expressa em um modelo diferente. Qualquer pessoa que use o simba-multilingual em produção deve testar o simba-3.5 com o próprio conteúdo antes dessa data, porque a alternativa é descobrir a mudança por meio de um ticket de suporte.

Os próprios números da Speechify, identificados como tal.

Tudo nesta seção é informado pelo fornecedor e não foi reproduzido por ninguém fora da Speechify. Vale a pena ler, mas não é a mesma classe de evidência que os números da arena acima.

• Preferência — 63% das comparações cegas lado a lado contra o Simba 3.2, com um intervalo de confiança declarado de 95% de 60% a 67%, em todos os tipos de conteúdo

• Latência — 72 milissegundos até o primeiro áudio no 95º percentil das solicitações de streaming, sob carga de produção

• Vazão — 1,8 vezes o Simba 3.2 por instância de serviço, e 1,4 vezes o Simba 3.0 Multilingual em média

• Cobertura — 48 idiomas sob um único ID de modelo, ante seis no Simba 3.0, com estoniano e cantonês explicitamente excluídos

• Mantidos sem alterações — IDs de voz, formatos de saída, marcas de fala e o subconjunto de SSML realmente aplicado: break, prosody rate, prosody pitch, prosody volume e sub alias

A cifra de 63% é a que deve ser relativizada. A preferência cega em relação à sua própria geração anterior é a comparação mais fácil que um fornecedor de voz pode fazer e a menos propensa a prever uma vitória contra o modelo de outra empresa — que é exatamente o que a arena acima mede, e onde o resultado é uma vantagem de dois pontos, e não de 63%.

O que isso significa se você está realmente comprando síntese

O ranking da Arena é um dado de entrada, não uma ordem de compra. O caso do Simba 3.5 no momento apoia-se em três coisas que são excepcionalmente boas em conjunto: uma posição de qualidade no topo do ranking, 48 idiomas sob um único ID e um preço na faixa de US$ 10 a US$ 15 que a maioria dos modelos acima dele no Provider Voice não alcança. O ElevenLabs Eleven v4 está a US$ 80. O HeyGen Voice está a US$ 30. Os modelos que superam o Simba 3.5 em preço — HeyGen Voice Turbo a US$ 4,00 — ficam 18 pontos Elo abaixo no mesmo ranking controlado.

A OrcaRouter não comercializa a linha Simba, e nada aqui deve ser interpretado como uma afirmação de que o faz. O que o nosso catálogo oferece é um pequeno conjunto de modelos de síntese que constituem um grupo de controlo útil quando está a avaliar uma mudança: openai/tts-1 a 15,00 $ por milhão de caracteres e openai/tts-1-hd a 30,00 $, ambos listados ao preço de tabela do fornecedor, sem qualquer margem acrescentada. Executar o seu próprio script com estes modelos e com o Simba 3.5 na API do próprio fornecedor é uma experiência de duas horas que lhe dirá mais sobre o seu conteúdo do que qualquer coluna Elo.

Se a avaliação se transformar em uma decisão de produção, o argumento para colocá-la atrás de um roteador não é a qualidade — é o cronograma. O Simba 3.5 mudou de preço uma vez em três semanas, tem uma migração de model-id chegando em 21 de novembro, e está em uma arena onde os quatro primeiros estão estatisticamente empatados. Failover automático significa que uma mudança do lado do provedor se torna um evento de roteamento em vez de uma interrupção, e uma única chave entre fornecedores significa que a comparação que você fez em novembro não precisa ser reconstruída do zero quando um deles alterar o preço em dezembro.

O que observar a partir daqui

Três coisas resolverão isso mais rápido do que outra rodada de posts de lançamento. A contagem de amostras é a primeira: o Simba 3.5 tem 1.783 amostras de Controlled Voice contra 2.626 do HeyGen Voice, e seu intervalo estreitará conforme os votos se acumularem. Se a vantagem de dois pontos for real, ela deve sobreviver a isso; se não for, a faixa de classificação voltará a se deslocar para 1 a 3 e permanecerá lá.

O segundo é o que a Speechify faz após 22 de novembro, quando o preço de lançamento termina e a tabela de US$ 15, US$ 12, US$ 10 entra em vigor. Um nível de qualidade que custa 50% mais que seu antecessor é uma decisão de produto diferente de um que custa o mesmo durante uma janela promocional.

O terceiro é a lacuna de Voz do Provedor. O Simba 3.5 está em quinto lugar ali, com 1.294, enquanto o ElevenLabs Eleven v4 lidera com 1.340 — um déficit de 46 pontos que não aparece no painel controlado, onde o Simba 3.5 está 37 pontos à frente. Essa divisão é o fato não resolvido mais interessante sobre este modelo, e é o assunto de sua própria comparação, em vez de uma nota de rodapé aqui.