Rime Prism 對比 Sesame Preview：價目表對上口碑

你今晚可以免費試聽 Sesame Preview。你買不到它。你可以每分鐘 0.080 美元購買 Rime Prism，而 Rime 以外幾乎沒有人發表過他們獲准測量的片段。這句話的兩半都是比較對象：其中一個是消費級 AI 中最受好評、卻沒有開發者能呼叫的語音；另一個則是全新的企業端點，新創公司本週就能把它放進電話語音選單。Rime Prism 於 2026 年 10 月 28 日推出，是 Rime 首個語音對語音模型。Sesame Preview 自 2025 年初起一直以免費研究預覽形式運作，其背後的正式版語音仍未發布。

它們會被拿來比較，是因為兩者都宣稱具備對話真實感，而且推出時都只支援英文。但它們並不是替代方案。一個是你直接與之對話的應用程式，另一個是你用來開發的端點；兩者之間的抉擇，與其說是選擇哪一種聲音，不如說是在選擇你買的是成品還是元件。

幾乎決定一切的分裂

一支想推出代理程式的團隊，會依序問兩個問題：我能不能呼叫它，以及每次呼叫要多少錢。Sesame Preview 在第一個問題上就過不了關。應用程式背後的模型沒有公開 API、沒有模型 ID、沒有端點，也沒有公布價格。你能與之對話的 Sesame 是一款消費級產品，具備四個具名助理、持久記憶，以及持續增加的一組工具；其底層模型並非開發者所能存取。

任何人能叫用的 Sesame 東西，就只有 CSM-1B：這是該公司在 2025 年依 Apache 2.0 釋出的開放權重檢查點，約 10 億參數、4K 上下文、24 kHz 單聲道音訊。那不是應用程式裡的那個聲音，也不是一個代理——它會以對話歷史作為條件，卻無法像語言模型那樣對其進行推理。它是一個語音元件，而且就只是一個元件。

• 可用性 — {{1}}Rime Prism{{/1}} 是採分級定價的 API，並提供免費方案；{{2}}Sesame Preview{{/2}} 則是免費的消費者應用程式，其正式版語音並未提供 API。

• 價格 — Prism 在 Flex 方案上每通話音訊分鐘 $0.080，在 Scale 方案上 $0.064；Sesame 未公布價格，且應用程式不收費。

• 計費風險 — 不論通話是否順利，Prism 都會收費；Sesame 的成本就是應用程式本身的成本，也就是零，而這並非你能據以規劃的商業模式。

• 延遲基準 — Prism 的首個音訊輸出時間為 0.57 秒，由廠商在 τ-Voice 上實測；Sesame 的應用程式宣稱低於 300 毫秒，而第三方對 Maya 角色的測量則顯示首位元組時間為 80 至 130 毫秒。

• 獨立評分 — 兩款模型均未出現在 Artificial Analysis 的 Speech-to-Speech Index 上。

• 語言——兩者推出時皆僅支援英文；Sesame 將法文、義大利文、德文、西班牙文、中文、日文與韓文列為早期支援。

• 部署 — Prism 提供雲端、VPC 與地端部署，並具備 HIPAA BAA 與 SOC 2 Type II；Sesame 則提供應用程式。

Rime Prism，作為端點

Prism 的銷售方式就像企業軟體的賣法：免費方案每月提供 50 美元額度且免綁信用卡，Flex 每分鐘 0.080 美元、無需承諾，Scale 每月 100 美元、含 100 美元額度、每分鐘 0.064 美元，Enterprise 則採用量級費率與年度承諾。每個方案用的都是同一個模型。Prism 透過 WebSockets 串流，並可接入 LiveKit 與 Pipecat，這點很重要，因為大多數自建的語音代理原本就運行在這兩者之上。

讓這樣的費率站得住腳的功能，正是消費級應用沒有理由去建置的那些。Prism 會在開口前先把回覆寫成文字，因此應用程式可以讀取確切的句子，對它執行政策檢查或 PII 過濾，只有在通過時才讓音訊繼續播放——同時模型仍持續聆聽，所以這項檢查不必變成聽得見的停頓。工具呼叫與語音並行執行。以客戶自身的通話與工具追蹤資料進行微調是核心商業案例，而自助式的 SFT 與 RL API 仍處於 beta 階段。

該公司自家數據顯示，首個音訊輸出時間為 0.57 秒，τ-Voice 完成率為 56.6%，而在該基準測試的電信子集上為 82.5%。一項針對約十小時真實點餐通話的 Revmo 案例研究被引用為訂單確認率 100%，相較於未具名 OpenAI 模型的 68%。那是受委託的客戶研究，並未公布方法論，應解讀為供應商說法，而非結果。

Sesame Preview，作為產品

Sesame 的主張是：語音助理應該讓人感覺像你認識的人。四位角色各自擁有自己的記憶與說話方式：Maya 是機智的合作夥伴，Miles 輕鬆隨性，Simone 適合深入鑽研，Charlie 則是隨意的傾訴對象。這款應用程式會搜尋網路、執行長時間研究、保存筆記與提醒、摘要通話，並支援無痕模式。2026 年 10 月 6 日，Sesame 推出了更新版 CSM，具備更佳的表達力與發音，讓其代理可以使用自己的電腦，並新增 Gmail、Calendar 與 Drive 連接器、透過 OAuth 的外部 MCP 伺服器、使用者自建技能，以及應用程式內的圖像生成器。

它缺少的是一個進入的途徑。這個應用程式免費、不投放廣告，也不出售資料，這對使用者來說是件好事，對買家而言卻是個尚未解決的問題。Sesame 打算如何賺錢，以及開發者是否終究能取得端點，目前仍未公布。這款眼鏡的上市時間定在 2027 年、地點定在日本；開發者工具則已承諾會在「今年稍晚」提供，但沒有具體細節。

不過，這樣的名聲是真實存在的。Sesame 的語音正是人們互相傳送片段的那種聲音，而評測者的共識連續兩年來都異常正面。問題在於，名聲並不等同於規格：正式版模型尚未公布任何延遲數據，也沒有針對它的盲聽評分，而唯一可獨立執行的部分就是 1B checkpoint，那又是另一回事。

Sesame 唯一排除的一項能力

如果你想要 Sesame 的聲音，是因為它聽起來像真人，那麼你真正需要複製的其實是對話迴圈，而不是音色。而企業用的對話迴圈有一些消費級應用程式永遠不必滿足的要求：針對代理即將說出口的內容留下稽核軌跡、能阻止它說出口的方法、在來電者察覺之前就完成的工具呼叫，以及能通過合規審查的部署。

Prism 是圍繞著這些需求打造的，這也是它要收費的原因。Sesame 則建立在相反的基礎上：一個封閉、精心策劃、免費的體驗，由公司掌控每一個變數。兩者都是站得住腳的產品。但只有其中一個，是你能接進理賠業務線的元件。

兩者都僅限英文——但原因正好相反。

Prism 推出時僅提供英文與有限的語音組合，因為這是首個版本，而語音涵蓋範圍的推出成本高昂。Sesame 以英文為優先，因為其產品是一組說英語的人格角色；法文、義大利文、德文、西班牙文、中文、日文與韓文被標示為「早期支援」，這與「已支援」是不同的承諾。

對多語言聯絡中心而言，這正是文章的收尾段落。時至今日，兩種模型都未能涵蓋混合語言的佇列；而對這類買家真正重要的比較對象，是具備廣泛語言覆蓋的 TTS 層加上經路由的文字模型，而非上述兩者之一。

測量問題

兩個模型都未登上 Artificial Analysis 的 Speech-to-Speech Index——這是唯一一個根據任務完成度、arena 偏好與任務成功率，為對話式語音模型排名的獨立排行榜。這樣的缺席並非在貶低這兩款產品；這正是本頁必須同時仰賴兩家廠商說法的原因。

Prism 的 56.6% τ-Voice 數據是 Rime 自己跑出來的結果。查看 Rime 在旁公布的表，GPT-Live-1（Sol，low）顯示為 59.3%——高於 Prism——但文案卻聲稱 Prism 領先所有 OpenAI 和 Google 的即時模型。發表文章也重複「低於 300 毫秒」和「快 4 倍」，這些數字並未出現在基準測試表中，該表寫的是 0.57 秒。這些可能是不同項目的測量結果；Rime 並未說明是哪一種。

Sesame 的處境更為艱難，因為沒有已上線的模型可供衡量。值得肯定的是，它打造了可用來衡量這類模型的工具：TurnBench 於 2026 年 8 月 28 日發布，是與 Carnegie Mellon、Mundo AI 和 Oto 合作建置的開放原始碼口語對話輪替發言基準，附有公開排行榜與自助評分。這雖是 Sesame 自家的基準，而非中立基準，卻是實質貢獻；而它所圍繞的核心數字，是這整份比較中最有用的一項數據：人類輪替發言的典型間隔約為 200 毫秒，而規劃單一詞彙約需 600 毫秒。這就是為什麼洩露機器身分的是輪替發言，而非音質。

唯一附在 Rime 目錄上的獨立證據，是其 TTS 產品線；而在 Text-to-Speech Arena 中，Coda 以 Elo 1,054 在 99 個項目裡排名第 65，Mist V2 則以 903 排名第 92。這對 Prism 來說無法構成任何定論，因為它的語音是全新的——但這確實意味著「Rime 從未在獨立排行榜上擁有排名頂尖的語音」是一句買家在簽署 Scale 合約前應該聽到的實話。

一條電話線每個方向要花多少錢

Prism 的定價很簡單。一萬分鐘的進線通話，在 Flex 上是 800 美元，在 Scale 上是 640 美元，這還沒算任何 Enterprise 折扣。一通五分鐘的通話是 0.40 美元。如果專員事後還需要彙整通話摘要，那會額外產生文字模型成本，但相較於語音帳單，這筆費用很小。

Sesame 無法訂價，因為根本沒有費率可供計價。這款應用程式不收費，也無法嵌入；開放檢查點在其唯一的託管供應商那裡每百萬字元收費 7 美元，而自行託管則意味著推論堆疊、編解碼器、輪次偵測與代理邏輯全都得由你自己擁有。任何為「Sesame」報出每分鐘成本的人，報的是這款應用程式沒有帳單，而不是一項服務。

這就是實務上的不對稱：Prism 昂貴但價格清楚，Sesame 免費卻無法使用。預算會議可以針對每分鐘 0.080 美元進行討論，卻對「沒有端點」束手無策。

三位買家，三種不同的答案

正在處理來電客服的企業應該評估 Prism。文字檢查點、HIPAA BAA、地端部署選項和每分鐘費率全都正好對應這項工作，而且供應商宣稱的風險仍可承受，因為商業條款很普通。先在其中一個通話流程試行，自行測量自助解決率，並把 Rime 的 100% 對 68% 案例研究視為待驗證的假設，而非預測。

想在產品中採用 Sesame 聲音的開發者，不應等待尚未公布的 API。務實的做法是開源 TTS 檢查點加上你自己的編排——而編排正是你可以低成本租用的部分。OrcaRouter 將 200 多個文字模型整合到單一金鑰之後 以供應商定價提供、零加成，並加入自動容錯移轉，讓語音代理不會因為某家供應商短暫出狀況而掛掉；同時提供路由 DSL，讓日常對話輪次可以交給小型模型，而升級處理則交給大型模型。語音層與推理層不必來自同一家公司，而且對大多數開發者而言也不應該。

一般消費者，或任何為自己打造個人助理的人，直接使用 Sesame 就好。它免費、好用，而對於不寫程式的人來說，沒有 API 也無關緊要。

什麼會改變答案？

三件事。Sesame 公布 API 與價目表，將讓這件事一夜之間變成真正的比較，並立刻引出一個問題：它的語音品質在被當成元件販售之後，是否依然站得住腳。Prism 登上 Speech-to-Speech Index，將讓它首度擁有獨立評測數字，也能釐清「領先 OpenAI 與 Google」這說法能否經得起中立榜單的檢驗。而 Prism 的微調 API 結束 beta，則會把已經能採購它的企業與其他所有人區分開來。

直到上述任一情況發生之前，比較的對象始終是一個你能親身體驗的產品，和一個你能部署的產品；唯一錯誤的答案，就是把他們當成同一筆購買的兩個版本。Sesame 是那個讓人們再次在意對話式 AI 的聲音。Prism 則是第一個認真嘗試把那種感受按分鐘出售、並附上稽核日誌的做法。兩者都不是對方的替代品。