Simba 3.5 chiếm vị trí số 1 tại Voice Arena với cách biệt hai điểm Elo, điều này không đồng nghĩa với việc giành chiến thắng.

SpeechifyAI Simba 3.5 hiện đang đứng đầu đấu trường Controlled Voice của Artificial Analysis với Elo 1,192, và khoảng cách so với HeyGen Voice ở mức 1,190 là hai điểm trên một bảng xếp hạng có khoảng tin cậy ở nhóm dẫn đầu là cộng hoặc trừ 17. Đứng thứ ba là Alibaba Qwen-Audio-3.1-TTS-Plus với 1,176. Nếu nhìn bảng xếp hạng như một bức tranh, Simba 3.5 đang giữ vương miện; nếu nhìn vào khoảng tin cậy, bốn mô hình đang đồng hạng ở vị trí đó. Cả hai cách đọc đều đúng, và cách nào quan trọng phụ thuộc vào việc bạn đang viết tiêu đề hay chọn nhà cung cấp.

Tin hữu ích hơn về model này không phải là thứ hạng. Simba 3.5 ra mắt ngày 21 tháng 10 năm 2026, và trong ba tuần rưỡi kể từ đó, Speechify đã cắt giá niêm yết, công bố danh sách ngôn ngữ và ấn định một ngày — 21 tháng 11 — là ngày nó bắt đầu phục vụ hai model id cũ. Vị trí trên arena là phần ai cũng sẽ trích dẫn. Các mốc ngày là phần làm thay đổi hóa đơn.

Những gì hội đồng thực sự nói, bằng những con số bạn có thể kiểm chứng.

Artificial Analysis vận hành hai đấu trường giọng nói và chúng đo những thứ khác nhau. Controlled Voice nhân bản cùng tám giọng tham chiếu — bốn giọng Mỹ, bốn giọng Anh — cho mọi thí sinh, nên người nói được giữ cố định và chỉ phần tổng hợp khác nhau. Provider Voice cho phép mỗi nhà cung cấp dùng dàn giọng riêng của họ. Một mô hình có giọng mặc định xuất sắc có thể thắng đấu trường thứ hai và thua đấu trường thứ nhất. Simba 3.5 hiện đang làm điều ngược lại.

• Giọng nói được kiểm soát — SpeechifyAI Simba 3.5, hạng 1, Elo 1,192, cộng hoặc trừ 17, khoảng 1,175 đến 1,209, 1,783 mẫu, phát hành tháng 11 năm 2026

• Controlled Voice — HeyGen Voice, hạng 2, Elo 1.190, cộng hoặc trừ 13, khoảng từ 1.177 đến 1.203, 2.626 mẫu, niêm yết ở mức 30,00 USD mỗi triệu ký tự

Giọng nói được kiểm soát — Alibaba Qwen-Audio-3.1-TTS-Plus, hạng 3, Elo 1.176, cộng hoặc trừ 12, khoảng từ 1.164 đến 1.188, 2.968 mẫu

• Giọng nói được kiểm soát — HeyGen Voice Turbo, hạng 4, Elo 1.174, cộng hoặc trừ 15, được niêm yết ở mức $4,00 mỗi triệu ký tự

• Giọng nói được kiểm soát — ElevenLabs Eleven v4, xếp hạng 7, Elo 1.155, cộng hoặc trừ 12, được niêm yết ở mức 80,00 USD mỗi triệu ký tự

• Giọng nói được kiểm soát — SpeechifyAI Simba 3.2, hạng 14, Elo 1.082, cộng hoặc trừ 12, phát hành tháng 7 năm 2026

• Giọng nói nhà cung cấp — SpeechifyAI Simba 3.5, hạng 5, Elo 1.294, cộng hoặc trừ 17, khoảng 1.277 đến 1.311, 1.732 mẫu

• Giọng nhà cung cấp — ElevenLabs Eleven v4, hạng 1, Elo 1.340, cộng hoặc trừ 15

Có hai điều rút ra ngay sau đây. Thứ nhất là thứ tự sắp xếp của Controlled Voice ở phần đầu vẫn chưa được giải quyết: khoảng giá trị của Simba 3.5 trải từ 1.175 đến 1.209, của HeyGen Voice trải từ 1.177 đến 1.203, còn Qwen-Audio-3.1-TTS-Plus nằm ở 1.164 đến 1.188. Ba khoảng này chồng lấn gần như hoàn toàn. Cột khoảng thứ hạng nói lên điều tương tự bằng ít ký tự hơn — Simba 3.5 được liệt kê là chiếm các thứ hạng 1 đến 3, chứ không chỉ riêng thứ hạng 1.

Điều thứ hai là đây không phải sự may mắn tình cờ nhờ dàn đối thủ yếu. Simba 3.5 cao hơn mô hình tiền nhiệm của chính nó, SpeechifyAI Simba 3.2, 110 điểm Elo, khi mô hình cũ đang ở mức 1.082, và khoảng cách đó lớn hơn khoảng tin cậy của từng mô hình. Bước tiến giữa các thế hệ là có thật, dù vị trí dẫn đầu so với phần còn lại vẫn chưa được xác lập.

Vì sao phần trên của tấm bảng cụ thể này lại bị nén?

Elo là một thang đo tương đối, và bảng xếp hạng này được neo ở mức 1.000 bởi OpenAudio S1, một mục tham chiếu cố định không bao giờ thay đổi. Mọi thứ còn lại được đặt so với nó thông qua bỏ phiếu theo cặp một cách mù. Cách xây dựng đó có một hệ quả mà mọi người thường bỏ qua: khi toàn bộ nhóm tiến bộ, nhóm dẫn đầu không tản ra, mà chen chúc lại. Khoảng cách từ hạng 1 đến hạng 14 trên bảng này là 110 điểm. Khoảng cách từ hạng 27 (SpeechifyAI Simba 3.0 ở mức 1.035) đến hạng 51 (OpenVoice v2 ở mức 823) là 212.

Khi một trăm mô hình đều được đánh giá trên cùng tám giọng nói nhân bản bởi những người nghe không thể nhìn thấy nhãn, những khác biệt còn tồn tại là nhỏ và nhiễu xung quanh chúng là lớn. Một lợi thế hai điểm trên một bảng xếp hạng như thế này là một điểm dữ liệu thực sự về một mô hình thực sự — và nó không phải là một quyết định sản phẩm. Bất kỳ ai cần đưa ra quyết định đều phải bổ sung những thứ Elo không đo lường: chi phí của mô hình, mô hình nói những ngôn ngữ nào, âm thanh đầu tiên đến nhanh đến mức nào, và liệu hình dạng API có phù hợp với mã đã viết hay không.

Giá đã thay đổi hai lần trong vòng ba tuần.

Đây là phần câu chuyện Simba 3.5 thực sự mới gần đây, và hoàn toàn vắng mặt trong các bài đưa tin ra mắt viết vào tháng 10. Speechify đã công bố mô hình với mức 20, 16 và 12 USD mỗi triệu ký tự cho Starter, Pro và Scale. Vào ngày 9 tháng 11, hãng đã cắt bảng giá xuống còn 15, 12 và 10 USD. Ưu đãi ra mắt không thay đổi: đến ngày 21 tháng 11 năm 2026, Simba 3.5 tính phí theo mức giá của Simba 3.0 và Simba 3.2 — 10, 8 và 6 USD — và từ ngày 22 tháng 11, mô hình tính phí theo bảng giá niêm yết mới thay vì bảng giá cũ.

Tính toán đối chiếu với hạn mức các gói mà Speechify công bố, điều đó có nghĩa là một tháng gói Pro với 9 triệu ký tự tốn 72 đô-la theo mức giá ưu đãi và 108 đô-la theo giá niêm yết. Một tháng gói Scale với 46,8 triệu ký tự tốn 280,80 đô-la theo mức giá ưu đãi và 468 đô-la theo giá niêm yết. Đợt giảm giá ngày 9 tháng 11 chính là điều giữ cho con số thứ hai không thành 561,60 đô-la, mức mà bảng giá niêm yết ban đầu khi ra mắt lẽ ra đã tính.

Một con số trên bảng xếp hạng cần được chỉnh lại trước khi bất kỳ ai lập ngân sách dựa vào đó. Artificial Analysis ghi Simba 3.5 ở mức $6.58 mỗi triệu ký tự — cùng con số mà nó hiển thị cho Simba 3.2 và Simba 3.0. Đó là mức giá gắn với gói, không phải bảng giá công bố của Speechify, và không khớp với khoảng $10 đến $15 trong nhật ký thay đổi của chính nhà cung cấp. Nếu bạn đang mô hình hóa chi tiêu, hãy dùng bảng theo bậc của nhà cung cấp; cột giá trên bảng xếp hạng hữu ích để xếp hạng, không phải để dự báo.

Có gì thay đổi vào ngày 21 tháng 11

Hai model id Simba 1.6 của Speechify, simba-english và simba-multilingual, đã không còn được chọn tại API version 2026-09-21 — một workspace mới gửi một trong hai sẽ nhận 400 model_retired. Vào ngày 21 tháng 11, phần thứ hai của đợt ngừng đó sẽ có hiệu lực: trên mọi API version vẫn có thể chỉ định các id cũ, cả hai sẽ được Simba 3.5 phục vụ, ở mọi ngôn ngữ, và được tính phí là simba-3.5.

Cách hiểu thực tế là một loạt tích hợp không được động tới kể từ tháng 9 sẽ thay đổi giọng nói và thay đổi giá trong cùng một ngày, mà không cần thay đổi mã và không có cảnh báo nào ngoài nhật ký thay đổi này. Không có gì bị hỏng. Âm thanh khác đi, và hóa đơn được định giá theo một mô hình khác. Bất kỳ ai đang chạy simba-multilingual trong môi trường production nên kiểm thử simba-3.5 với nội dung của chính họ trước ngày đó, vì lựa chọn còn lại là phát hiện thay đổi qua một phiếu hỗ trợ.

Số liệu riêng của Speechify, được ghi nhãn là như vậy

Mọi nội dung trong phần này là do nhà cung cấp tự báo cáo và chưa được bất kỳ ai bên ngoài Speechify tái lập. Nó đáng đọc, nhưng không cùng loại bằng chứng với các số liệu arena ở trên.

• Mức độ ưa thích — 63% trong các so sánh song song mù với Simba 3.2, với khoảng tin cậy 95% được công bố là 60% đến 67%, trên tất cả các loại nội dung

• Độ trễ — 72 mili giây thời gian đến âm thanh đầu tiên ở phân vị thứ 95 của các yêu cầu phát trực tuyến, dưới tải môi trường sản xuất

• Thông lượng — gấp 1,8 lần Simba 3.2 trên mỗi instance phục vụ và gấp 1,4 lần Simba 3.0 Multilingual tính trung bình

• Phạm vi bao phủ — 48 ngôn ngữ dưới một model id, tăng từ sáu ngôn ngữ ở Simba 3.0, với tiếng Estonia và tiếng Quảng Đông bị loại trừ rõ ràng

• Được giữ nguyên không đổi — ID giọng nói, định dạng đầu ra, mốc lời nói và tập con SSML thực sự được áp dụng: break, prosody rate, prosody pitch, prosody volume và sub alias

Con số 63% là con số nên được nhìn nhận một cách dè dặt. Ưu tiên trong thử nghiệm mù so với thế hệ trước của chính bạn là phép so sánh dễ nhất mà một nhà cung cấp giọng nói có thể thực hiện, và cũng là phép so sánh ít có khả năng dự báo chiến thắng trước mô hình của một công ty khác nhất — đúng như những gì arena ở trên đo lường, và ở đó kết quả là một lợi thế hai điểm chứ không phải lợi thế 63%.

Điều này có nghĩa gì nếu bạn thực sự đang mua tổng hợp

Thứ hạng Arena là dữ liệu đầu vào, không phải lệnh mua. Hiện tại, lập luận dành cho Simba 3.5 dựa trên ba yếu tố kết hợp với nhau một cách đặc biệt hiệu quả: vị trí chất lượng dẫn đầu bảng xếp hạng, 48 ngôn ngữ dưới một id duy nhất và mức giá trong khoảng 10 đến 15 USD mà hầu hết các mô hình xếp trên nó trên Provider Voice không tiếp cận được. ElevenLabs Eleven v4 có giá 80 USD. HeyGen Voice có giá 30 USD. Các mô hình vượt Simba 3.5 về giá — HeyGen Voice Turbo ở mức 4,00 USD — thấp hơn 18 điểm Elo trên cùng bảng đánh giá có kiểm soát.

OrcaRouter không cung cấp dòng sản phẩm Simba, và không nội dung nào ở đây nên được hiểu là tuyên bố rằng có. Điều mà danh mục của chúng tôi có là một tập nhỏ các mô hình tổng hợp tạo thành nhóm đối chứng hữu ích khi bạn đang đánh giá việc chuyển đổi: openai/tts-1 với giá $15,00 mỗi triệu ký tự và openai/tts-1-hd với giá $30,00, cả hai được niêm yết theo giá niêm yết của nhà cung cấp mà không cộng thêm phụ phí. Chạy tập lệnh của riêng bạn qua các mô hình đó và qua Simba 3.5 trên API của chính nhà cung cấp là một thử nghiệm kéo dài hai giờ, sẽ cho bạn biết nhiều hơn về nội dung của bạn so với bất kỳ cột Elo nào.

Nếu đánh giá này chuyển thành quyết định đưa vào sản xuất, lập luận để đặt nó phía sau một router không phải là chất lượng — mà là tiến độ. Simba 3.5 đã thay đổi giá một lần trong ba tuần, có một đợt di chuyển model-id diễn ra vào ngày 21 tháng 11, và nằm trong một đấu trường nơi bốn nhà dẫn đầu ngang tài ngang sức về mặt thống kê. Chuyển đổi dự phòng tự động có nghĩa là một thay đổi từ phía nhà cung cấp trở thành một sự kiện định tuyến thay vì một sự cố ngừng dịch vụ, và một khóa duy nhất xuyên suốt các nhà cung cấp nghĩa là phép so sánh bạn đã chạy vào tháng 11 không phải được xây dựng lại từ đầu khi một trong số họ đổi giá vào tháng 12.

Những điều cần theo dõi từ đây

Ba điều sẽ giải quyết việc này nhanh hơn một loạt bài đăng ra mắt nữa. Số lượng mẫu là điều đầu tiên: Simba 3.5 có 1.783 mẫu Controlled Voice so với 2.626 của HeyGen Voice, và khoảng tin cậy của nó sẽ thu hẹp khi số phiếu tích lũy. Nếu mức dẫn trước hai điểm là thật, nó sẽ trụ vững qua đó; nếu không, phạm vi thứ hạng sẽ trôi ngược về 1 đến 3 và ở yên đó.

Điều thứ hai là những gì Speechify làm sau ngày 22 tháng 11, khi giá ra mắt kết thúc và mức giá niêm yết $15, $12, $10 thay thế. Một gói chất lượng có giá cao hơn 50% so với phiên bản tiền nhiệm là một quyết định sản phẩm khác với một gói có cùng mức giá trong một giai đoạn khuyến mại.

Thứ ba là khoảng cách về Giọng nói của Nhà cung cấp. Simba 3.5 đứng thứ năm ở đó với 1.294, trong khi ElevenLabs Eleven v4 dẫn đầu với 1.340 — mức thâm hụt 46 điểm không xuất hiện trên bảng có kiểm soát, nơi Simba 3.5 dẫn trước 37 điểm. Sự tách biệt đó là sự thật chưa được giải quyết thú vị nhất về mô hình này, và nó là chủ đề của một so sánh riêng thay vì một chú thích ở đây.