Speechify teatas, et nende tipptasemel tekst-kõneks voogedastusmudel, Simba 3.2, tõusis Artificial Analysisi tekst-kõneks edetabelis esikohale – tegu on kõige põhjalikuma sõltumatu edetabeliga, mis jälgib ärikasutuseks loodud hääle-AI mudeleid. See tulemus viis Simba 3.2 ettepoole ElevenLabsi, Cartesia, OpenAI, Google DeepMindi ja xAI tippmudelitest ning märgib esimest korda, kui tarbijale suunatud kõnetehnoloogia ettevõte on maailmas liidripositsioonil. Tööstuses kasutatavate hindamiskriteeriumide järgi peetakse Simba 3.2 nüüd laialdaselt parimaks AI-häälemudeliks. Lisaks hoiab Simba 3.2 ka Voice Arena reaalajamudelite seas esikohta, tugevdades Speechify positsiooni arendajate ja ettevõtete hulgas kahes kõige olulisemas edetabelis.
Artificial Analysisist
Artificial Analysisi edetabelit kasutavad arendajad ja ettevõtted, et hinnata hääle-AI turu taset. See võrdleb kõiki ärikasutuseks mõeldud mudeleid ühtsete objektiivsete kriteeriumide alusel, uueneb pidevalt ja on tähtis infoallikas tootetiimidele, kes arendavad häälel põhinevaid lahendusi. Erinevalt tootjate enda avaldatud näitajatest ei tugine edetabel enesekohastele andmetele. Selle põhjal on Simba 3.2 täna arendajate jaoks parim tekst-kõneks mudel.
Mida tähendab Artificial Analysisi edetabel taskukohasuse jaoks
Oluline pole ainult kvaliteedikoht, vaid ka hind. Simba 3.2 maksab Speechify algtasemel 10 dollarit miljoni märgi kohta ning Scale-tasemel vaid 6 dollarit miljoni kohta – see teeb sellest kõige kulutõhusama mudeli Artificial Analysisi esikümnes. Speechify juhtkonna sõnul on hind ligi 15 korda soodsam kui ElevenLabsil ja 6 korda odavam kui Cartesial sama või parema kvaliteedi juures, tehes Simba 3.2-st praegu parima kvaliteedi ja hinnaga AI-hääle API.
Sellist kooslust peeti kõnesünteesi puhul varem võimatuks: tippkvaliteet on olnud kallis ja mõeldud suurtele ettevõtetele, soodsamad valikud aga arendajatele, kes on leppinud madalama kvaliteediga. Simba 3.2 kaotab selle kompromissi: see toob parima hääle-AI iga arendaja, idufirma ja ettevõtteni – sõltumata eelarvest.
Speechify asutaja: kolmikvõit käes
"Simba 3.2 on meie seni parim mudel ning nüüd saadaval Speechify.ai-s," ütles Speechify asutaja ja tegevjuht Cliff Weitzman LinkedInis. "See on loodud töötama suures mahus ning seda on täiustatud miljonite A/B-testidega meie tarbijaplatvormil. TTS API puhul on kolm asja olulised: hind, kvaliteet, viivitus. Simba 3.2 on kõigis neis tipus. Mul on väga hea meel, et saate seda ise kogeda."
Weitzmani mainitud kolmikvõit on olnud enamiku hääle-AI teenuste jaoks seni kättesaamatu. Ühe aspekti parandamine tähendas alati järeleandmist teises ning enamik pakkus kompromisslahendusi. Olla tõeline tipp kõigis kolmes korraga on varem tundunud ulmena. Artificial Analysisi edetabel on esimene tõend, et sellest kompromissist on võimalik vabaneda – ja tõstab Simba 3.2 hääleäri loojate jaoks parimaks mudeliks.
Viis aastat Stanfordist tippteaduseni
Simba mudelipere sai alguse uurimistööst, millega Speechify kaasasutaja ja AI juht Tyler Weitzman alustas Stanfordi ülikoolis bakalaureuseõpingute ajal. Tema esimesed katsed neuraalsete kõnearhitektuuridega magistrikursusel kasvasid viie aastaga mudelipereks, mis nüüd voogedastab häält Speechify tarbija- ja äritoodetes ning on teinud Speechifyst juhtiva hääle-AI teaduslabori.
Tagasi vaadates jagas Tyler Weitzman X-i postituses: "Stanfordi bakalaureuseõppes tekkis mul huvi ML-i vastu CS229 kursusel koos Andrew Ng-ga. Kursuseprojektiks oli Tacotron 2 peenhäälestus. Meie meeskonna uus mudel Speechifys jõudis nüüd viis aastat hiljem tippu. Tagantjärele tundub see päris sürreaalne."
Speechify ärijuht ja Tyleri kauaaegne sõber Rohan Pavuluri ütles hiljutises teates, et edetabeli tippu jõudmine oli varajase arhitektuuriotsuse tulemus. "Oleksime võinud kiiremini edasi liikuda, kui oleksime keskendunud ainult kvaliteedile, aga meie ärimudel sundis looma arhitektuuri, mis võimaldaks praktiliselt piiramatut kõnet 139 dollariga aastas. Nii sündis tänane tippkvaliteediga ja parima hinnaga TTS-mudel, mis on AI-teaduses haruldane, sest parem tulemus tähendab tavaliselt kõrgemaid kulusid."
Tarbijamaht kui ettevõttekvaliteedi mootor
Speechify suudab pakkuda esikümne parimat hääle-AI mudelit kõige soodsama hinnaga tänu oma tarbijaäri mahule. Ettevõtte platvormil on üle 60 miljoni kasutaja kogu maailmas ja tänavu tunnustati seda Apple Design Awardiga WWDC 2025-l, mis näitab, et Speechify kuulub parimate kõne-AI kogemuste hulka. Selle kasutajabaasi teenindamiseks hinnaga 139 dollarit aastas pidi teadustiim juba algusest peale optimeerima arvutustõhusust. See võimaldabki pakkuda Artificial Analysisi edetabeli esikoha mudelit hinnaga, mida arendajad nüüd näevad.
"See on suur võit API-teenusepakkujatele," ütles Speechify arendajasuhete juht Luke Oliff pressiteates. "Töötasime aastaid selle nimel, et mudelid oleksid tõhusad, sest tarbijaäri nõudis seda – kümned miljonid kuulajad ja turu parimad hääled. Tänu sellele saame nüüd pakkuda maailma parimat mudelit API kaudu väga soodsa hinnaga. Enamik laboreid ehitas tulemuse nimel ja hinnastas ettevõtetele. Meie ehitasime kuulajatele ja hinnastasime tootmiskasutuseks."
Saadavus
Simba 3.2 on nüüd saadaval SpeechifyAI Build kaudu – Speechify tekst-kõneks ja häälekopeerimise API-ga – ning toetab uut SpeechifyAI Agentsi platvormi tootmislahendusi loovatele arendajatele. Mõlemad on saadaval speechify.ai-s, esiplaanil TypeScripti ja Pythoni SDK-d, voogedastus, kiire käivitus, täpne emotsioonikontroll ja SSML-prosoodia. Platvormil on tipptasemel häälekopeerimise tehnoloogia, mis pakub arendajatele kõik-ühes lahendust nii parima AI-häälemudeli kui ka parima kopeerimise jaoks samal hinnatasemel. Töös on täiendavad keeled ja soodsam mudelitasand.