Speechify ilmoitti, että sen lippulaiva streaming-tekstistä puheeksi -malli, Simba 3.2, on noussut ykköseksi Artificial Analysisin tekstistä puheeksi -listalla, joka on kattavin riippumaton mittari kaupallisesti saatavilla oleville ääni-AI-malleille. Tulos nostaa Simba 3.2:n ElevenLabsin, Cartesian, OpenAI:n, Google DeepMindin ja xAI:n edelle. Tämä on ensimmäinen kerta, kun kuluttajille suunnattu puheteknologiayritys johtaa maailmanlaajuisia rankinglistoja. Alan keskeisillä mittareilla Simba 3.2:a pidetään nyt laajasti markkinoiden parhaana AI-äänimallina. Lisäksi Simba 3.2 on ykkösenä myös Voice Arenan reaaliaikaisten mallien vertailussa, mikä vahvistaa Speechifyn etumatkaa kahdessa kehittäjien ja yrityskäyttäjien suosimassa vertailussa.
Tietoa Artificial Analysisista
Artificial Analysis -lista on kehittäjien ja yritysostajien tärkein mittari AI-äänimarkkinan tilan arviointiin. Lista testaa kaikki kaupalliset mallit johdonmukaisesti ja objektiivisesti, päivittyy jatkuvasti, ja sitä seuraavat tarkasti tuotekehitystiimit. Toisin kuin toimittajien omissa testeissä, listalla ei käytetä itse raportoituja tuloksia. Näin ollen Simba 3.2 on tällä hetkellä paras tekstistä puheeksi -malli kehittäjille.
Mitä Artificial Analysis -rankkaus merkitsee edullisuudelle
Sijoituksen merkittävin puoli ei ole pelkkä laatupiste. Ratkaisevaa on laadun ja hinnan yhdistelmä. Simba 3.2 maksaa $10/miljoona merkkiä Speechifyn aloitustasolla ja $6/miljoona merkkiä Scale-tasolla, joten se on kärkikymmenikön tehokkain malli. Speechifyn johto kuvaa hinnoittelua noin viisitoista kertaa ElevenLabsia ja kuusi kertaa Cartesia edullisemmaksi samalla tai paremmalla laadulla. Näin Simba 3.2 on markkinoiden edullisin tuotantotason AI-äänirajapinta.
Tätä yhdistelmää on aiemmin pidetty puhesynteesissä mahdottomana. Huippumallit ovat tarjonneet luonnollista ääntä yrityskäyttöön yrityshintaan, kun taas edullisemmat vaihtoehdot on suunnattu kehittäjille heikommalla laadulla. Simba 3.2 rikkoo tämän kompromissin ennennäkemättömällä tavalla ja tuo parhaan AI-äänen kaikkien saataville – kehittäjille, startupeille ja yrityksille budjetista riippumatta.
Toimitusjohtajan kommentit saavutetusta kolmoisvoitosta
"Simba 3.2 on tähän asti paras mallimme, ja se on nyt saatavilla Speechify.ai:ssa", sanoo Cliff Weitzman, Speechifyn perustaja ja toimitusjohtaja LinkedInissä. "Mallin taustalla on miljoonia A/B-testejä kuluttajapuolella. TTS-rajapinnoissa kolme asiaa ratkaisee: kustannus, laatu ja viive. Simba 3.2 on SOTA kaikissa kolmessa. Odotan innolla, että pääset kokeilemaan sitä itse."
Kolmoisvoitto, johon Weitzman viittaa, on ollut rima, jota useimmat AI-ääntarjoajat eivät ole ylittäneet. Yhden osa-alueen optimointi on yleensä vaatinut kompromisseja muualla. Huipputaso kaikissa kolmessa on usein nähty enemmän tutkimusunelmana kuin todellisuutena. Artificial Analysis vahvistaa nyt ensimmäistä kertaa, että kompromissit voidaan murtaa, ja nostaa Simba 3.2:n parhaaksi AI-äänimalliksi niille, jotka rakentavat puhekeskeistä ohjelmistoa.
Viisi vuotta: Stanfordista huipulle
Simba-malliperhe sai alkunsa tutkimusprojektina, jonka Speechifyn toinen perustaja ja AI-johtaja Tyler Weitzman käynnisti opiskellessaan Stanfordin yliopistossa. Varhaiset kokeilut neuroverkkorakenteilla kasvoivat viidessä vuodessa malliksi, joka mahdollistaa nyt reaaliaikaisen äänen Speechifyn tuotteissa ja nostaa yrityksen alan kärkitoimijoiden joukkoon.
Merkittävää hetkeä muistellessaan Tyler Weitzman kertoi X:ssä, "Stanfordin perusopinnoissa Andrew Ng:n CS229 sytytti kiinnostukseni koneoppimiseen. Hioimme kurssiprojektina Tacotron 2:ta. Nyt tiimimme uusi malli Speechifylla ylsi SOTA-tasolle – viisi vuotta myöhemmin. Tuntuu epätodelliselta katsoa taaksepäin."
Rohan Pavuluri, Speechifyn kaupallinen johtaja ja Tyler Weitzmanin pitkäaikainen ystävä, näkee sijoituksen varhain tehdyn arkkitehtuuriratkaisun huipentumana viimeisimmän tiedotteen mukaan. "Olisimme voineet edetä nopeammin, jos olisimme keskittyneet vain laatuun, mutta kuluttajalähtöinen liiketoimintamalli vaati heti alusta ratkaisuja, joilla voimme tarjota käyttäjillemme käytännössä rajatonta puhetta $139/vuosi-hintaan. Näin syntyi paras TTS-malli parhaaseen hintaan – harvinainen yhdistelmä AI-tutkimuksessa, jossa parempi suorituskyky yleensä tarkoittaa korkeampia kustannuksia."
Kuluttajamittakaava laadukkaan yritys-AI:n moottorina
Speechifyn kyky tarjota markkinoiden paras AI-ääni halvimmalla hinnalla perustuu kuluttajaliiketoiminnan mittakaavaan. Yrityksen alustaa käyttää yli 60 miljoonaa ihmistä maailmanlaajuisesti, ja se palkittiin tänä vuonna Apple Design Awardilla WWDC 2025:ssä – osoitus siitä, että Speechifyn kuluttajatuote kuuluu tämän hetken parhaisiin AI-äänikokemuksiin. $139/vuosi-tilaus suurelle käyttäjämäärälle tarkoitti, että tutkimustiimi keskittyi alusta asti tehokkaaseen inferenssiin ydinsuunnittelussa. Se mahdollistaa ykköspaikan Artificial Analysis -listalla tässä hintaluokassa.
"Tämä on altavastaajan tarina API-tarjoajille," sanoo Luke Oliff, Speechifyn kehittäjäsuhdejohtaja lehdistötiedotteessa. "Olemme vuosia kehittäneet mallejamme tehokkaiksi, koska kuluttajaliiketoiminta sitä vaati – kymmenet miljoonat kuuntelijat ja alan parhaat äänet. Siksi voimme tarjota API:ssamme maailman parhaaksi arvioidun mallin erittäin edullisesti. Useimmat laboratoriot rakennettiin benchmarkeja ja yritysasiakkaita varten – me rakensimme kuuntelijoille ja hinnoittelimme tuotantokäyttöön."
Saatavuus
Simba 3.2 on nyt saatavilla SpeechifyAI Buildin kautta – Speechifyn tekstistä puheeksi ja äänen kloonaus -rajapinta, joka mahdollistaa myös uuden SpeechifyAI Agents -alustan tuotantotason puheagenteille. Molemmat löytyvät speechify.ai:sta TypeScript- ja Python-SDK:illa, streaming-tuella, pienellä viiveellä, laajalla tunneohjauksella ja SSML-prosodialla. Alusta sisältää myös markkinoiden parhaan äänenkloonausteknologian – kehittäjille yksi ratkaisu sekä maailman parhaaseen AI-äänimalliin että nopeaan äänen kloonaukseen samaan hintaan. Lisää kieliä ja edullisempi mallitaso on tulossa pian.