Gemini 3.8 TTS против Breeze TTS 2: здесь решает лицензия, а не таблица лидеров

Пятьдесят шесть пунктов Elo отделяют Gemini 3.8 Flash TTS и Breeze TTS 2 на Artificial Analysis Provider Voice Arena, и их доверительные интервалы не пересекаются: модель вендора занимает 2-е место с Elo 1 260 по 1 999 сэмплам и 8 голосам арены, выпущена 23 сентября 2026 года; Breeze TTS 2 занимает 9-е место с 1 204 по 1 390 сэмплам, выпущена в августе 2026 года. По цене порядок резко меняется — Breeze указана по цене $34.00 за миллион символов с нормализацией против $16.50 для Flash TTS, так что модель, выигрывающая в таблице лидеров, примерно вдвое проигрывает по стоимости.

Если бы это было всё сравнение, материал вышел бы коротким, и вы выбирали бы исходя из того, насколько доверяете разрыву в 56 пунктов. Но эти две модели — не объекты одного типа. Breeze TTS 2 — это модель с открытыми весами на 3 миллиарда параметров, которую можно скачать, изучить и запустить самостоятельно, с лицензией, которая, как выясняется, важнее её места в таблице лидеров. Gemini 3.8 Flash TTS — это конечная точка API с дизайном голоса и диалогом двух говорящих и вообще без весов. Выбор между ними — это вопрос лицензирования и развёртывания, облачённый в одежды бенчмарка.

Что каждый из них на самом деле из себя представляет

Сначала разберитесь, что представляет собой каждая модель, прежде чем сравнивать числа, потому что они различаются почти по всем осям, кроме Elo.

• Распространение — Breeze TTS 2 можно скачать: веса опубликованы на Hugging Face как BreezeBlue/Breeze-TTS-2 вместе с кодом PyTorch. Gemini 3.8 Flash TTS доступна только через API, к ней можно получить доступ через Gemini API и интерфейсы Google, названные в объявлении от 23 сентября.

• Размер — Breeze TTS 2 — это модель с 3 млрд параметров, именно поэтому её вообще можно разместить на собственном сервере. Google не публиковала данные о количестве параметров ни для одной из моделей Gemini 3.8 TTS.

• Создание голоса — Gemini 3.8 Flash TTS выполняет дизайн голоса по письменному описанию и репликацию голоса по 30-секундному образцу. Breeze TTS 2 поставляется с библиотекой голосов, которую поставщик исчисляет тысячами, и собственным путём дизайна голоса; заявленные поставщиком оценки соответствия роли и режиссуры для этого пути принадлежат самой BreezeBlue и не имеют независимого аналога.

• Диалог — Gemini 3.8 Flash TTS генерирует диалог двух говорящих за один вызов, со стилизацией на уровне реплик. Breeze TTS 2 — одноголосная модель; разговор — это два сшитых прогона.

• Языки — Breeze TTS 2, по подсчётам вендора, охватывает 50 языков. В анонсе Google для модели Flash указано 130, но эти два показателя измеряют не одно и то же, и их не следует воспринимать как 130 против 50.

• Задержка — BreezeBlue заявляет о задержке потоковой передачи менее 40 мс; Google не публикует аналогичный показатель для Flash TTS. Ни одна из этих цифр не подтверждена независимо, и существует только одна из них.

Лицензия — это настоящая развилка на дороге.

Это то, чего не может показать вам таблица лидеров, и именно поэтому две модели не являются взаимозаменяемыми, даже там, где их качество совпадает.

Веса Breeze TTS 2 распространяются по исследовательской и некоммерческой лицензии BreezeBlue. Исходный код в том же репозитории — Apache 2.0. Эти два факта стоят рядом на карточке модели и в большинстве публикаций сливаются в «открытый исходный код», что ошибочно именно в ту сторону, которая стоит денег: то, что код под Apache 2.0, не делает веса Apache 2.0, а коммерческое использование модели идёт через хостируемый API, а не через самостоятельно развёрнутый чекпоинт.

На стороне Google вообще нет вопроса о лицензии, потому что лицензировать нечего. Вы покупаете инференс. То, чем вы жертвуете, — это то, ради чего обычно покупают открытые веса: возможность запускать модель там, где находятся данные, зафиксировать версию и сохранить её, а также перестать платить за каждый символ.

Так что честная формулировка — не «открытое против закрытого». Она такая:

• Если по условиям вашего развёртывания аудио должно оставаться внутри вашей собственной инфраструктуры, Breeze TTS 2 — единственный из этих двух, кто предлагает путь, и этот путь — исследовательская лицензия. Проконсультируйтесь с юристом, прежде чем создавать на этом продукт.

• Если ваше развёртывание может обращаться к API, вопрос лицензии исчезает, и сравнение сводится к качеству, цене и функциям — где Flash TTS опережает по двум из трёх.

Если вам нужны открытые веса, которые можно коммерциализировать без разговора, то ни одна из них не является такой моделью, а у арены есть другие строки.

Где разрыв в рейтинге Эло имеет значение, а где — нет

Разрыв в 56 пунктов выходит за пределы доверительных интервалов ±16 и ±16, которые табло указывает для этих двух строк, поэтому такое ранжирование — не шум в том смысле, в каком шумом является, скажем, сопоставление Flash TTS с Gemini 3.8 Flash-Lite TTS. Но Elo арены измеряет только одну вещь: какой из двух клипов слушатель предпочёл при слепом сравнении. Это сигнал предпочтения, агрегированный.

То, что не измеряется, — это всё, что важно для продакшен-пайплайна. Не говорится, как каждая из моделей справляется с 40-минутным сценарием без дрейфа идентичности, как она произносит название вашего продукта, как ведёт себя, когда входные данные содержат номер телефона, или как выглядит её режим отказа, когда её просят о чём-то за пределами её обучающих данных. 1 390 образцов Breeze TTS 2 и 1 999 образцов Flash TTS — оба набора достаточно велики, чтобы агрегированный показатель был стабильным, и оба достаточно малы, чтобы ни один отдельный сегмент вашего сценария использования не был в них представлен.

Разрыв также оказывается меньше, чем кажется, если учесть, какие задачи ставятся перед каждой моделью. Flash TTS обрабатывает двух дикторов в одном вызове, что сложнее, чем задача, по которой оценивается Breeze TTS 2. Делает ли это 56 баллов заниженной или завышенной оценкой, зависит от вашего сценария использования, и ни один из производителей не опубликовал абляционное исследование, которое могло бы это разрешить.

Сколько стоит час каждого

Эти два ценовых показателя не поддаются прямому сравнению, и попытки представить их иначе — самая распространённая ошибка в разборах этого противостояния.

Google выставляет счёт в токенах: $0.50 за миллион входящих текстовых токенов и $9.00 за миллион исходящих аудиотокенов до 31 декабря 2026 года включительно, затем $18.00. Batch и Flex стоят $0.25 и $4.50; Priority — $0.90 и $16.00. Flash-Lite TTS, родственная модель, — $0.50 и $6.00, затем $12.00.

BreezeBlue выставляет счёт по символам: $34.00 за миллион символов через размещённый API.

Artificial Analysis нормализует оба показателя к базе за миллион символов, чтобы они могли оказаться в одной таблице, — и именно отсюда берётся сопоставление $16.50 против $34.00. Эта нормализация относится к таблице, а не к тому или иному поставщику: Google не публикует ставку за символ для Flash TTS, и именно восприятие $16.50 как котировки, а не как результата пересчёта, приводит к тому, что люди в итоге удивляются счёту.

Два последствия, которые стоит учесть при планировании:

• Ставка Flash TTS удваивается 1 января 2027 года. Если заложить в бюджет промо-ставку, разрыв с Breeze TTS 2 резко сокращается; если заложить $18.00, он почти исчезает.

• Самостоятельный хостинг Breeze TTS 2 не делает его бесплатным — он превращает его в капитальные затраты. Модель на 3B достаточно мала, чтобы работать на скромном оборудовании, но арифметика выигрывает только при больших объёмах и только для сценария использования, который разрешает исследовательская лицензия.

Выбирая, не делая вид, что существует один ответ

Дерево решений короткое.

Выбирайте Gemini 3.8 Flash TTS, если вам нужен диалог двух говорящих, если вы хотите голос, создаваемый по описанию и сохраняемый как ID, если ваш пайплайн может вызывать API и если изменение тарифов 31 декабря — это то, что вы можете учесть в планах. Это лучшая модель в независимом рейтинге и более дешёвая по счёту, а то, что она закрытая, не проблема для сценария использования, который в любом случае предполагал вызов API.

Выбирайте Breeze TTS 2, если резидентность данных или вывод на собственных серверах — жёсткое требование, если вам нужна модель на 3B, которую действительно можно скачать, или если вы занимаетесь исследованиями, а не выпуском продукта — именно для этого и написана его лицензия. Не выбирайте её только из-за ярлыка open-weights; сначала прочитайте лицензию.

А если вы оцениваете оба, дешёвый способ сделать это — сохранить выбор обратимым. OrcaRouter не размещает ни одну из этих моделей — вызывать Gemini 3.8 Flash TTS следует через собственный API Google и поверхности, названные Google, а вызывать Breeze TTS 2 — через хостинговый эндпоинт BreezeBlue. Чем роутер здесь полезен, так это остальной частью стека: более 200 моделей за одним ключом по прайс-листовой цене провайдера без наценки, поэтому изменение цены вендора, как январское повышение тарифа, действует в тот же день, а не в следующем расчётном цикле, автоматическое переключение при сбое так что путь, находящийся на оценке, не обязательно должен быть путём в продакшене, а также DSL маршрутизации, который объединяет модели в один вызов, когда одного голоса недостаточно.

Версия в одну строку: таблица лидеров говорит — Google, лицензия говорит — зависит, а цена говорит: прежде чем выбрать одно из них, проверьте свой календарь.