Speechify hari ini mengumumkan bahwa model text to speech streaming andalannya, Simba 3.2, menempati posisi kedua bersama di Voice Arena, tolok ukur independen berbasis blind listening yang luas dianggap sebagai evaluasi publik paling ketat untuk kualitas suara AI saat ini.
Di antara model real-time yang sudah siap dipakai tim di lingkungan produksi saat ini, Simba 3.2 menjadi opsi dengan rating tertinggi di kelas harganya, menjadikannya model suara AI terbaik untuk software real-time di pasar. Platform yang sama juga menghadirkan teknologi kloning suara terbaik yang tersedia untuk developer saat ini. Pada minggu yang sama, Simba 3.2 juga meraih posisi No. 1 secara keseluruhan di papan peringkat Artificial Analysis text to speech, memperkuat keunggulan perusahaan di dua tolok ukur utama yang paling dipercaya developer dan enterprise.
Tentang Voice Arena
Voice Arena adalah tolok ukur independen berbasis blind listening yang menilai model suara AI sebagaimana pengguna menilainya secara alami: lewat pendengaran. Mengadopsi metodologi Chatbot Arena yang populer untuk meranking language model, Voice Arena menyajikan dua klip audio dari teks yang sama kepada penutur asli tanpa mengungkap model yang membuatnya, lalu meminta mereka memilih suara yang terdengar paling natural. Hasil pilihannya dikumpulkan menjadi rating Elo tiap model, menghasilkan papan peringkat yang terus diperbarui dan mencerminkan preferensi nyata pendengar, bukan sekadar metrik laboratorium.
Tidak ada skor opini rata-rata yang dilaporkan sendiri. Tidak ada sampel audio pilihan vendor. Tidak ada evaluasi internal dari penyedia model. Setiap model dalam ranking diuji memakai teks dunia nyata yang sama dalam kondisi identik, dengan distribusi suara yang seimbang per vendor, bukan sekadar suara default terbaik tiap vendor. Metodologi ini mencakup enam bahasa dan menilai teks dari beragam konteks nyata, mulai dari agen suara, sistem IVR, hingga buku audio dan pembaca dalam aplikasi. Evaluasi ini dikembangkan dengan masukan Prof. Shinji Watanabe dari Carnegie Mellon University, salah satu peneliti paling berpengaruh di teknologi suara.
Mengapa Peringkat Voice Arena Penting
Voice Arena penting karena benar-benar mencerminkan cara pasar mengambil keputusan. Pembeli enterprise, tim produk, dan developer tidak menilai dari spektogram atau skor internal; mereka menilai suara dari pengalaman mendengarnya. Voice Arena adalah satu-satunya tolok ukur publik yang menilai dengan cara seperti itu dalam skala cukup besar sehingga hasilnya signifikan secara statistik, sekaligus tanpa celah bagi vendor untuk bermain curang. Peringkat tinggi di Voice Arena dipandang sebagai bukti nyata kualitas suara AI terbaik saat ini.
Peringkat Simba 3.2
Voice Arena saat ini menempatkan Simba 3.2 di posisi kedua bersama secara keseluruhan. Dari model yang setara atau berada di atasnya, satu tidak berjalan real-time dan tidak bisa dipakai di aplikasi produksi yang butuh respons langsung, sementara model lain di kelasnya dihargai sekitar tujuh kali lebih mahal daripada Simba 3.2. Secara praktis, bagi tim yang membutuhkan suara real-time dengan biaya yang masuk akal untuk produksi, Simba 3.2 adalah opsi dengan peringkat tertinggi di tolok ukur ini. Simba 3.2 ditawarkan seharga $10 per satu juta karakter di tier awal dan $6 di tier Scale, menjadikannya API suara AI paling hemat untuk developer saat ini.
Suara AI Terbaik untuk Aplikasi Real-Time
Simba 3.2 adalah model text to speech streaming yang memang dirancang khusus untuk aplikasi suara real-time, seperti agen suara, sistem IVR, pembaca dalam aplikasi, sistem telepon, dan produk yang menuntut respons instan. Berdasarkan standar industri dalam evaluasi sintesis suara, Simba 3.2 kini luas diakui sebagai suara AI terbaik untuk agen suara sekaligus model suara AI terbaik di pasar untuk tim yang membangun software berbasis suara dalam skala produksi. Platform yang sama juga menawarkan kloning suara instan terbaik di kelas harganya, menghadirkan satu sistem untuk suara hasil generate dan kloning dari lab AI suara terdepan di industri saat ini.
Makna Peringkat Voice Arena untuk Speechify
Peringkat ini sangat berarti bagi kategori yang selama ini memaksa developer memilih antara kualitas, harga, atau latency. Model flagship dari lab besar biasanya menawarkan kualitas premium, tetapi dengan harga kontrak enterprise, sedangkan alternatif yang lebih murah sering mengorbankan naturalitas atau performa streaming untuk real-time. Simba 3.2 mengubah rumus itu. Harganya sekitar lima belas kali lebih terjangkau daripada ElevenLabs dan enam kali lebih murah daripada Cartesia dengan kualitas setara atau lebih baik, menjadikannya model paling efisien di jajaran sepuluh besar Artificial Analysis.
Pencapaian Speechify
"Simba 3.2 adalah model terbaik kami, kini tersedia di Speechify.ai," ujar Cliff Weitzman, pendiri sekaligus CEO Speechify, dalam posting publik. "Model ini dirancang untuk mendukung agen suara dalam skala besar dan disempurnakan lewat jutaan tes A/B di platform konsumen kami. Dalam API TTS, ada tiga faktor utama: biaya, kualitas, latency. Simba 3.2 meraih SOTA di ketiganya. Kami sangat antusias agar Anda bisa langsung mencobanya sendiri."
Weitzman juga menegaskan pentingnya hasil tersebut lewat pengumuman publik tentang peringkat ini. "Simba 3.2 dari Speechify kini menjadi model streaming suara AI peringkat No. 1 di Voice Arena, mengungguli Eleven Labs, OpenAI, xAI, dan lainnya. Yang tak kalah penting, Speechify adalah model paling efisien per token di seluruh papan peringkat dengan harga $6 per 1M karakter. Itu lebih dari 15x lebih murah dari Eleven Labs dan 6x dibanding Cartesia."
Platform Konsumen sebagai Keunggulan
Menurut tim engineering Speechify, keberhasilan ini berakar pada keputusan arsitektur yang dibuat sejak beberapa tahun lalu. Seiring platform konsumennya tumbuh menjadi lebih dari 60 juta pengguna dan tahun ini meraih Apple Design Award di WWDC 2025, kebutuhan ekonomi untuk melayani pelanggan berlangganan $139 per tahun mendorong riset mereka menyatukan biaya, kualitas, dan latency sebagai satu masalah—bukan tiga hal terpisah. Jutaan tes A/B dari sesi nyata terus mengasah model dalam pengaturan pace, penekanan, dan emosi, menciptakan pengalaman suara AI terbaik yang kini tersedia.
Raheel Kazi, pimpinan engineering di Speechify, menjelaskan prinsip desain dasarnya dengan sederhana: "Kami tidak pernah mau mengorbankan biaya demi kualitas, atau kualitas demi latency. Kami sengaja memilih jalan yang lebih sulit. Mencapai SOTA di semua aspek sekaligus memang tujuan kami sejak awal."
Lima Tahun Riset di Balik Hasil Ini
Keluarga model Simba bermula dari riset yang dilakukan co-founder Speechify sekaligus Head of AI, Tyler Weitzman, saat masih kuliah S1 di Universitas Stanford, yang kini menempatkan Speechify sebagai salah satu lab riset suara AI terdepan. Mengenang pencapaian ini dalam posting di X, Tyler berbagi, "Saat kuliah di Stanford, CS229 bersama Andrew Ng yang memantik minat saya pada ML. Proyek kuliah saya adalah fine-tuning Tacotron 2. Lima tahun kemudian, model baru tim kami di Speechify baru saja mencapai SOTA. Rasanya luar biasa melihat perjalanan ini."
Luke Oliff, Head of Developer Relations di Speechify, menyebut capaian ini sebagai validasi strategi jangka panjang. "Ini kisah underdog di dunia provider API," kata Oliff di rilis pers. "Kami menghabiskan bertahun-tahun mengoptimalkan model karena bisnis pengguna kami menuntut efisiensi—puluhan juta pendengar, dengan suara terbaik. Berkat itu, kini kami bisa menghadirkan model terbaik dunia lewat API dengan harga yang sangat terjangkau. Sebagian besar lab dibangun untuk benchmark dan harga enterprise. Kami membangun untuk pendengar dan harga produksi."
Ketersediaan
Simba 3.2 kini tersedia bagi developer dan bisnis melalui SpeechifyAI Build, API text to speech dan kloning suara perusahaan, serta mendukung platform baru SpeechifyAI Agents untuk pembuatan agen suara siap produksi. Keduanya bisa diakses di speechify.ai. Platform ini juga menawarkan teknologi kloning suara terbaik di kelasnya, menghadirkan solusi tunggal bagi developer, baik untuk model suara AI terbaik di harga ini maupun klon suara instan terbaik di kelas harga yang sama. Bahasa tambahan dan tier harga yang lebih murah sudah masuk roadmap perusahaan.