A Speechify anunciou que seu principal modelo de streaming de texto para fala, Simba 3.2, conquistou o 1º lugar geral no ranking de texto para fala da Artificial Analysis, o benchmark independente mais abrangente do setor para modelos de voz por IA disponíveis comercialmente. O resultado coloca o Simba 3.2 à frente das principais soluções da ElevenLabs, Cartesia, OpenAI, Google DeepMind e xAI, marcando a primeira vez que uma empresa voltada ao consumidor lidera os rankings globais. Pelos critérios usados pelo setor para avaliar IA de voz, o Simba 3.2 é amplamente visto como o melhor modelo de voz por IA do mercado. Além disso, o Simba 3.2 também ocupa o 1º lugar no Voice Arena entre os modelos em tempo real, ampliando a liderança da Speechify nos dois benchmarks mais usados por desenvolvedores e empresas.
Sobre o Artificial Analysis
O ranking Artificial Analysis é a principal referência para desenvolvedores e empresas avaliarem o mercado de voz por IA. Ele traz uma análise consistente e objetiva de todos os modelos comerciais, é atualizado continuamente com novos lançamentos e é acompanhado de perto por equipes que integram voz a seus produtos. Diferente dos benchmarks dos fabricantes, o ranking não depende de resultados auto relatados. Por esse critério, o Simba 3.2 é hoje o melhor modelo de texto para fala disponível para desenvolvedores.
Impacto da Posição da Artificial Analysis na Acessibilidade
O aspecto mais relevante da classificação não é só a qualidade, mas a combinação dela com o preço do modelo. O Simba 3.2 custa US$10 por 1 milhão de caracteres no plano inicial da Speechify e cai para US$6 no plano Scale, tornando-se o modelo mais econômico entre os dez primeiros do ranking Artificial Analysis. A liderança da Speechify descreve o preço como cerca de quinze vezes mais acessível que o da ElevenLabs e seis vezes mais acessível que o da Cartesia, com qualidade igual ou superior, tornando o Simba 3.2 a API de voz por IA mais acessível do mercado hoje com qualidade profissional.
Essa combinação sempre foi vista como impossível na síntese de voz. O segmento premium oferece vozes por IA realistas por valores voltados a grandes empresas, enquanto o segmento mais acessível atende desenvolvedores que aceitam menor qualidade. O Simba 3.2 acaba com esse dilema de um jeito inédito, entregando agora a melhor voz por IA disponível para qualquer desenvolvedor, startup ou empresa, independentemente do orçamento.
O Fundador da Speechify sobre conquistar a Tríplice Coroa
"Simba 3.2 é nosso melhor modelo até hoje, agora disponível em Speechify.ai", disse Cliff Weitzman, fundador e CEO da Speechify, no LinkedIn. "Ele foi criado para alimentar agentes de voz em escala e é aprimorado com milhões de testes A/B em nossa plataforma de consumo. Em APIs de leitura, três fatores importam: custo, qualidade e latência. O Simba 3.2 atingiu SOTA nesses três pontos. Estou muito animado para que você experimente isso nas suas soluções."
A 'trifeta' citada por Weitzman era, para muitos fornecedores de IA de voz, um objetivo quase inalcançável. Otimizar um aspecto geralmente sacrifica os outros dois, com a maioria dos fornecedores focando em apenas um. Ser realmente referência nos três ao mesmo tempo era visto como fantasia por boa parte do setor. O ranking Artificial Analysis é a primeira evidência independente de que dá para unir tudo isso e consolida o Simba 3.2 como o melhor modelo de voz por IA para equipes que desenvolvem softwares com foco em voz.
Cinco anos: de Stanford ao topo do estado da arte
A família de modelos Simba nasceu de pesquisas do cofundador e Head de IA da Speechify, Tyler Weitzman, ainda na graduação em Stanford. Seus experimentos iniciais com arquiteturas neurais de voz para um curso avançado de machine learning evoluíram, em cinco anos, para a família de modelos que hoje gera vozes por streaming nos produtos para consumidores e empresas da Speechify, consolidando a empresa como referência em pesquisa de voz por IA.
Relembrando esse marco, Tyler Weitzman contou em um post no X: "Na graduação em Stanford, a CS229 com Andrew Ng despertou meu interesse em ML. Meu projeto foi refinar o Tacotron 2. Agora, depois de cinco anos, nosso novo modelo na Speechify atingiu SOTA. É surreal olhar para trás."
Rohan Pavuluri, Chief Business Officer da Speechify e amigo de longa data de Tyler Weitzman, destacou a posição como resultado de uma decisão arquitetural tomada cedo em um anúncio recente: "Embora pudéssemos ter avançado mais rápido priorizando só a qualidade, nosso DNA de consumidor e nosso modelo de negócios exigiram decisões de arquitetura desde o começo para garantir que poderíamos oferecer fala ilimitada aos usuários por US$139/ano. Isso se traduz hoje no melhor modelo de texto para fala do mercado, com preço líder, algo raro na pesquisa de IA, em que melhor desempenho quase sempre significa custos maiores."
Escala de consumidor como motor da IA empresarial
A capacidade da Speechify de entregar a melhor voz por IA do mercado pelo menor preço entre os dez primeiros vem da escala do seu negócio com consumidores. A plataforma é usada por mais de 60 milhões de pessoas no mundo e foi reconhecida este ano com o Apple Design Award na WWDC 2025, provando que o produto da Speechify oferece uma das melhores experiências de voz por IA do mercado. Atender esse público por assinatura de US$139/ano exigiu que a equipe focasse em eficiência desde o início, e não apenas otimizasse isso depois. É isso que viabiliza entregar o modelo nº1 no ranking Artificial Analysis pelo preço que os desenvolvedores veem hoje.
"Essa é a história de superação dos provedores de API", disse Luke Oliff, Head de Relações com Desenvolvedores da Speechify, em um comunicado à imprensa. "Foram anos otimizando nossos modelos porque nosso negócio exigia eficiência: dezenas de milhões de ouvintes, com algumas das melhores vozes do mundo. Esse esforço agora nos permite oferecer em nossa API o modelo mais bem avaliado do mundo pelo menor preço possível. A maioria dos laboratórios focou em benchmark e preços para empresas. Nós focamos nos ouvintes e em preços para produção."
Disponibilidade
Simba 3.2 está disponível hoje via SpeechifyAI Build, API de texto para fala e clonagem de voz da Speechify, e também alimenta o novo SpeechifyAI Agents para criar agentes de voz em produção. Ambos estão disponíveis em speechify.ai, com SDKs em TypeScript e Python, streaming de baixa latência, controle emocional preciso e suporte a SSML. A plataforma inclui o que muitos consideram a melhor tecnologia de clonagem de voz do mercado, oferecendo ao dev uma stack única com o melhor modelo de voz por IA e a melhor clonagem instantânea pelo mesmo preço. Novos idiomas e uma faixa mais barata estão nos planos da empresa.