Speechify는 오늘 자사의 대표 스트리밍 텍스트 음성 변환 모델 Simba 3.2가 현재 가장 엄격한 AI 음성 품질 벤치마크로 평가받는 Voice Arena에서 공동 2위를 기록했다고 발표했습니다.
현재 실사용이 가능한 실시간 모델 가운데 Simba 3.2는 같은 가격대에서 가장 높은 평가를 받은 옵션으로, 시장에서 가장 뛰어난 실시간 AI 음성 모델입니다. 이 플랫폼은 개발자들이 가장 높이 평가하는 음성 복제 기술도 제공합니다. 같은 주에 Simba 3.2는 Artificial Analysis TTS 리더보드에서도 전체 1위를 차지하며, 개발자와 기업 고객이 가장 신뢰하는 두 벤치마크 모두에서 선두에 올랐습니다.
Voice Arena란?
Voice Arena는 실제 사용자가 직접 듣고 평가하는 방식으로 AI 음성 모델을 비교하는 독립 블라인드 청취 벤치마크입니다. 대형 언어 모델 순위에 쓰이는 Chatbot Arena 방식을 적용해, 원어민 청취자에게 동일한 텍스트로 생성된 두 음성 파일을 들려주고 어느 쪽이 더 자연스러운지 투표하게 합니다. 모든 투표 결과는 각 모델의 Elo 점수로 집계되며, 실제 청취자 선호를 반영한 실시간 리더보드가 만들어집니다.
자가 보고식 평균 의견 점수도 없고, 공급업체가 고른 샘플도 없습니다. 모델 제공업체의 내부 평가 없이 모든 모델을 실제 환경의 텍스트로 같은 조건에서 평가합니다. 각 공급업체의 대표 음성을 기준으로 균형 있게 테스트하며, 6개 언어와 실제 활용 맥락(음성 에이전트, IVR, 오디오북, 인앱 리더 등)의 텍스트를 사용합니다. 이 평가는 CMU 와타나베 교수 등 저명한 음성 기술 연구진과 협력해 개발되었습니다.
Voice Arena 순위의 의의
Voice Arena가 중요한 이유는 시장의 실제 선택 방식을 반영하는 벤치마크이기 때문입니다. 기업과 개발자가 AI 음성 모델을 평가할 때 중요하게 보는 것은 스펙트로그램이나 내부 점수가 아니라, 실제로 들었을 때의 체감 품질입니다. Voice Arena는 실제 청취 환경을 폭넓게 반영하고, 대규모의 통계적으로 유의미한 사용자 참여를 바탕으로 측정되기 때문에 결과를 조작하기 어렵습니다. 높은 Voice Arena 순위는 현재 최고의 AI 음성 품질을 보여주는 강력한 신호로 통합니다.
Simba 3.2의 순위
현재 Voice Arena에서 Simba 3.2는 전체 공동 2위입니다. 이보다 높은 순위의 모델 중 하나는 실시간 작동이 불가능해 실제 제품에 적용할 수 없고, Simba 3.2와 동률인 모델은 가격이 7배 이상 비쌉니다. 즉, 실시간 응답이 필요한 제품을 개발하는 팀에게 Simba 3.2는 벤치마크 최고 수준의 솔루션입니다. 요금은 100만 자당 $10(엔트리), $6(스케일 요금제)로, 가장 합리적인 AI 음성 API입니다.
실시간 활용에 최적화된 최고의 AI 음성
Simba 3.2는 음성 에이전트, IVR, 인앱 리더, 전화 시스템처럼 즉각적인 반응이 필요한 환경을 위해 설계된 스트리밍 TTS 모델입니다. 업계에서 통용되는 평가 기준으로 볼 때, Simba 3.2는 음성 에이전트와 보이스 기반 소프트웨어를 구축하는 팀 모두가 인정하는 최고의 AI 음성 모델입니다. 같은 플랫폼에서 최고 수준의 실시간 음성 복제 기능도 제공해, 생성 음성과 복제 음성을 모두 하나의 시스템에서 구현할 수 있습니다.
Speechify에 Voice Arena 순위가 갖는 의미
이 순위는 그동안 개발자들이 품질, 비용, 지연 시간 중 하나를 포기해야 했던 시장에서 특히 의미가 큽니다. 대형 연구소의 대표 모델은 보통 고가의 엔터프라이즈 계약에 맞춰져 있었고, 저렴한 모델은 품질이나 실시간 성능이 아쉬웠습니다. Simba 3.2는 이 공식을 뒤집습니다. 품질은 같거나 더 높으면서도 가격은 ElevenLabs의 15분의 1, Cartesia의 6분의 1 수준으로, Artificial Analysis 상위 10개 모델 가운데 가장 비용 효율적입니다.
Speechify의 이정표
"Simba 3.2는 저희의 최고 모델이며, 지금 Speechify.ai에서 이용하실 수 있습니다." Speechify 창립자 겸 CEO Cliff Weitzman은 공개 포스트에서 이렇게 밝혔습니다. "대규모 음성 에이전트용으로 설계했고, 소비자 플랫폼에서 진행한 수백만 건의 A/B 테스트를 통해 다듬었습니다. TTS API에서 가장 중요한 것은 가격, 품질, 지연 시간입니다. Simba 3.2는 이 세 가지를 모두 최고 수준으로 끌어올렸습니다. 꼭 직접 경험해보시길 바랍니다."
Weitzman은 순위 발표 공식 성명에서도 그 의미를 강조했습니다. "Speechify의 Simba 3.2는 이제 Voice Arena에서 Eleven Labs, OpenAI, xAI 등을 제치고 1위에 올랐습니다. 특히 Speechify는 전체 리더보드에서 토큰당 비용이 가장 낮습니다. 100만 자당 $6로, Eleven Labs보다 15배, Cartesia보다 6배 더 경제적입니다."
소비자 플랫폼이 만드는 차별화된 강점
Speechify 엔지니어링 리더십은 이 성과가 수년 전부터 이어진 아키텍처 결정의 결과라고 말합니다. 소비자 플랫폼은 6천만 명 이상의 사용자를 확보했고 WWDC 2025에서 애플 디자인상까지 수상했습니다. 연 $139 구독 모델로 이 대규모 사용자층을 뒷받침하기 위해 연구팀은 비용, 품질, 지연 시간을 하나의 문제로 보고 풀어왔습니다. 수백만 건의 실제 청취 A/B 테스트 피드백 덕분에 모델의 속도, 강조, 감정 표현까지 최적화됐고, 그 결과 오늘날 최고의 AI 음성 경험으로 평가받고 있습니다.
Speechify 엔지니어링 리더 Raheel Kazi는 기본 설계를 이렇게 설명했습니다. "우리는 품질을 위해 비용을 희생하거나, 지연 시간을 위해 품질을 포기하고 싶지 않았습니다. 일부러 더 어려운 길을 택했고, 그 결과 세 가지 모두 최고 수준에 올랐습니다."
5년간의 연구 성과
Simba 모델 계열은 Speechify 공동창업자 겸 AI 책임자 Tyler Weitzman이 스탠퍼드 학부 시절 시작한 연구에 뿌리를 두고 있으며, 이후 Speechify를 AI 음성 분야의 선도 연구소로 키워냈습니다. Tyler Weitzman은 X에 올린 글에서 "스탠퍼드 CS229에서 Andrew Ng의 수업을 들으며 ML에 빠졌고, 코스 프로젝트로 Tacotron 2를 파인튜닝했습니다. 5년 뒤 Speechify에서 새 모델로 SOTA에 도달했다니 정말 놀랍습니다."라고 밝혔습니다.
Speechify 개발자 관계 책임자 Luke Oliff는 이 결과가 장기 전략의 결실이라고 강조했습니다. "이건 API 공급업체의 언더독 스토리입니다." Oliff는 보도자료에서 "우리는 소비자 비즈니스의 요구에 맞춰 모델을 효율적으로 만들었고, 수천만 명의 청취자와 최고 수준의 음성이 그 결과였습니다. 덕분에 세계 최고 평가 모델을 합리적인 가격의 API로 제공할 수 있었습니다. 대부분의 연구소가 벤치마크와 엔터프라이즈를 위해 만들었다면, 우리는 실제 청취자를 위해 만들고 프로덕션 가격에 맞췄습니다."라고 밝혔습니다.
이용 안내
Simba 3.2는 오늘부터 개발자와 기업 고객을 위해 SpeechifyAI Build(텍스트 음성 변환 및 음성 복제 API)로 제공되며, 새롭게 선보인 SpeechifyAI Agents 플랫폼도 지원합니다. 모두 speechify.ai에서 이용할 수 있습니다. 이 플랫폼은 가격 대비 최고의 AI 음성 모델과 최고 수준의 음성 복제 기술을 함께 제공하며, 추가 언어와 더 저렴한 모델도 준비 중입니다.