Speechify a annoncé que son modèle phare de synthèse vocale en streaming, Simba 3.2, a pris la première place mondiale du classement Artificial Analysis text to speech, le benchmark indépendant le plus complet des modèles de voix IA commerciaux. Ce résultat place Simba 3.2 devant les modèles phares d’ElevenLabs, Cartesia, OpenAI, Google DeepMind et xAI, marquant la première fois qu’une entreprise grand public domine le classement mondial. Selon les critères utilisés pour évaluer l’IA vocale, Simba 3.2 est désormais largement reconnu comme le meilleur modèle de voix IA disponible. De plus, Simba 3.2 occupe aussi la première place sur Voice Arena pour les modèles en temps réel, renforçant l’avance de Speechify sur les deux références majeures pour développeurs et entreprises.
À propos d’Artificial Analysis
Le classement Artificial Analysis fait référence pour les développeurs et entreprises qui cherchent à évaluer le marché de la voix IA. Il applique une évaluation cohérente et indépendante à tous les modèles disponibles, est mis à jour en continu et suivi de près par les équipes produit qui intègrent la voix dans leurs applications. Contrairement aux benchmarks des fournisseurs, ce classement ne repose pas sur des scores auto-déclarés. À ce titre, Simba 3.2 est aujourd’hui le meilleur modèle text to speech accessible aux développeurs.
Ce que le classement Artificial Analysis change pour l’accessibilité
L’aspect le plus marquant du classement n’est pas seulement la qualité : c’est aussi le prix du modèle. Simba 3.2 est proposé à 10 $ le million de caractères en entrée de gamme chez Speechify, puis à 6 $ avec l’offre Scale, ce qui en fait le modèle le plus rentable du top 10 d’Artificial Analysis. La direction de Speechify estime ce tarif environ quinze fois inférieur à celui d’ElevenLabs et six fois à celui de Cartesia à qualité équivalente, faisant de Simba 3.2 l’API de voix IA professionnelle la plus abordable du marché aujourd’hui.
Cette combinaison a longtemps été jugée impossible en synthèse vocale : le haut de gamme proposait des voix réalistes à des prix réservés aux entreprises, tandis que l’entrée de gamme s’adressait aux développeurs prêts à faire une croix sur la qualité. Simba 3.2 fait voler ce compromis en éclats et rend enfin la meilleure voix IA accessible à tous — développeurs, startups et entreprises — quel que soit le budget.
Le fondateur de Speechify sur l’accomplissement de la "trifecta"
« Simba 3.2 est notre meilleur modèle à ce jour, désormais disponible sur Speechify.ai », a déclaré Cliff Weitzman, fondateur et CEO de Speechify, sur LinkedIn. « Il est conçu pour faire tourner des agents vocaux à grande échelle et a été affiné grâce à des millions de tests A/B sur notre plateforme. Pour les API TTS, trois critères comptent : coût, qualité et latence. Simba 3.2 excelle sur les trois. J’ai hâte de voir ce que vous allez créer avec. »
La « trifecta » évoquée désigne le défi que la plupart des fournisseurs de voix IA ont longtemps jugé hors de portée : améliorer un critère revenait généralement à sacrifier les deux autres. Rares sont ceux qui excellent sur les trois à la fois, tant cela paraissait irréaliste. Le classement Artificial Analysis montre désormais que ce compromis n’est plus une fatalité et consacre Simba 3.2 comme la meilleure voix IA pour les développeurs de solutions vocales.
Cinq ans, de Stanford à l’état de l’art
La famille de modèles Simba trouve son origine dans les recherches menées par Tyler Weitzman, cofondateur et directeur IA de Speechify, pendant ses études à Stanford. Ses premiers travaux sur les architectures vocales neuronales, menés dans le cadre d’un cours de machine learning, ont donné naissance en cinq ans à la famille de modèles qui propulse aujourd’hui la synthèse vocale de Speechify pour les particuliers comme pour les entreprises, faisant de Speechify un acteur majeur de la recherche en voix IA.
Pour marquer cette étape, Tyler Weitzman a déclaré dans un post sur X : « Quand j’étais étudiant à Stanford, le CS229 avec Andrew Ng a éveillé mon intérêt pour le ML. Mon projet portait sur le fine-tuning de Tacotron 2. Cinq ans plus tard, le nouveau modèle de mon équipe bat tous les records. C’est fou quand on y repense. »
Rohan Pavuluri, Chief Business Officer de Speechify et ami de longue date de Tyler Weitzman, voit ce classement comme l’aboutissement d’un choix architectural fait très tôt, selon une annonce récente. « On aurait pu aller plus vite en se concentrant uniquement sur la qualité, mais notre ADN et notre business model devaient permettre un accès illimité à la voix pour 139 $ par an. C’est ce qui fait aujourd’hui de Simba 3.2 le modèle TTS de référence, à un prix imbattable — ce qui est rare en IA, où la performance va souvent de pair avec des coûts élevés. »
L’échelle grand public, moteur d’une IA de niveau entreprise
La capacité de Speechify à proposer la meilleure IA vocale du marché au prix le plus bas du top 10 repose sur l’économie de sa plateforme grand public. Utilisée par plus de 60 millions de personnes dans le monde et récompensée cette année par un Apple Design Award à la WWDC 2025, elle est reconnue comme l’une des meilleures expériences de voix IA du moment. Proposer ce service à 139 $/an a poussé l’équipe R&D à optimiser l’efficacité dès le départ, et non après coup. C’est cette exigence qui permet aujourd’hui d’offrir le modèle n°1 au tarif affiché pour les développeurs sur le leaderboard Artificial Analysis.
« Pour les fournisseurs d’API, c’est une vraie histoire d’outsiders », selon Luke Oliff, responsable des relations développeurs chez Speechify, dans un communiqué de presse. « Nous avons passé des années à optimiser nos modèles parce que nos utilisateurs l’exigeaient : des dizaines de millions d’auditeurs et certaines des meilleures voix au monde. C’est ce travail qui permet aujourd’hui à notre API de proposer le meilleur modèle du marché à ce prix. Beaucoup de labos optimisent pour les benchmarks et les grandes entreprises. Nous, nous avons optimisé pour les auditeurs et pour un coût de production soutenable. »
Disponibilité
Simba 3.2 est disponible dès aujourd’hui via SpeechifyAI Build, l’API de synthèse et de clonage vocal de Speechify, qui alimente aussi la plateforme SpeechifyAI Agents pour les agents vocaux en production. Les deux sont accessibles sur speechify.ai, avec SDK TypeScript et Python officiels, support du streaming, latence minimale, contrôle émotionnel granulaire et prosodie SSML. La plateforme inclut aussi la technologie de clonage vocal la plus avancée du marché, offrant aux développeurs une solution unique avec le meilleur modèle de voix IA et le meilleur clonage vocal instantané au même tarif. D’autres langues et un modèle plus économique sont prévus.