Speechify je objavil, da je njihov vrhunski model za pretvorbo besedila v govor, Simba 3.2, osvojil 1. mesto na skupni lestvici Artificial Analysis za pretvorbo besedila v govor, ki velja za najobsežnejšo neodvisno primerjavo komercialno dostopnih AI-modelov za glas. S tem je Simba 3.2 prehitel vodilne rešitve ElevenLabs, Cartesia, OpenAI, Google DeepMind in xAI, kar je prvič, da je podjetje s poudarkom na potrošnikih zasedlo vrh globalne lestvice. Po vseh ključnih merilih stroke je Simba 3.2 trenutno najvišje ocenjeni AI-model za govor na trgu. Poleg tega Simba 3.2 drži tudi 1. mesto na Voice Arena med modeli v realnem času, s čimer Speechify utrjuje vodstvo na dveh najbolj zaupanja vrednih lestvicah za razvijalce in podjetja.
O Artificial Analysis
Lestvica Artificial Analysis je ključno merilo, ki ga razvojne in poslovne ekipe uporabljajo za ocenjevanje AI-glasov. Objektivno in neprekinjeno preverjajo vse komercialne modele, sproti posodabljajo ocene, spremljajo pa jih tudi produktne ekipe pri razvoju govora v aplikacijah. Za razliko od objav ponudnikov lestvica ne temelji na lastnih navedbah. Po tem merilu je Simba 3.2 najboljši model za pretvorbo besedila v govor, ki je trenutno na voljo razvijalcem.
Pomen lestvice Artificial Analysis za ceno
Najpomembnejši vidik te uvrstitve ni le ocena kakovosti, temveč predvsem razmerje med ceno in rezultatom. Simba 3.2 je na voljo za 10 $ na milijon znakov v vstopnem paketu Speechify in za 6 $ na milijon znakov v višjem paketu Scale, kar ga uvršča med stroškovno najučinkovitejše modele v top 10 na lestvici Artificial Analysis. Po navedbah vodstva Speechify je ta cena približno petnajstkrat nižja od ElevenLabs in šestkrat nižja od Cartesia pri enaki ali boljši kakovosti, zato je Simba 3.2 trenutno cenovno najbolj dostopen API za govorni AI s profesionalno kakovostjo.
Ta kombinacija je v sintezi govora dolgo veljala za skoraj nemogočo. Najboljši modeli so ponujali realistične AI-glase po cenah za podjetja, cenovno dostopnejši modeli pa razvijalcem praviloma niso dali enake kakovosti. Simba 3.2 zdaj to omejitev podira in najboljšo AI-glasovno izkušnjo odpira vsakemu razvijalcu, startupu in podjetju — ne glede na proračun.
Ustanovitelj Speechify o trojni zmagi
»Simba 3.2 je naš najboljši model doslej in je zdaj na voljo na Speechify.ai,« je v objavi na LinkedInu povedal ustanovitelj in direktor Speechify Cliff Weitzman. »Zasnovan je za govorne agente v velikem obsegu in izpiljen z milijoni A/B-testov na naši platformi. Pri TTS API-jih šteje troje: cena, kakovost in zakasnitev. Simba 3.2 je dosegel SOTA v vseh treh. Veselim se, da ga preizkusite in z njim ustvarite vrhunske izkušnje.«
To troje, na katero se sklicuje Weitzman, je za večino ponudnikov AI-glasu dolgo veljalo za nedosegljivo. Optimizacija enega merila je običajno pomenila kompromis pri drugih dveh, zato se je večina odločila za specializacijo. Prvo neodvisno potrditev, da je mogoče hkrati doseči SOTA v vseh treh, prinaša prav lestvica Artificial Analysis, Simba 3.2 pa s tem postavlja v vlogo najboljše izbire za ekipe, ki gradijo govorne AI-rešitve.
Pet let od Stanforda do SOTA
Družina modelov Simba izvira iz raziskav, ki jih je začel soustanovitelj in vodja AI pri Speechify, Tyler Weitzman, med dodiplomskim študijem na Stanfordu. Njegovi prvi poskusi z nevronskimi govornimi arhitekturami pri magistrskem predmetu strojnega učenja so v naslednjih petih letih prerasli v modele, ki danes poganjajo pretočni govor v vseh izdelkih Speechify in utrjujejo podjetje kot vodilni AI-laboratorij za glas.
Ob tem mejniku je Tyler Weitzman v objavi na X zapisal: »Kot študenta na Stanfordu me je CS229 pri Andrewu Ngu navdušil za ML. Moj seminarski projekt je bil prilagajanje Tacotron 2. Zdaj naš model v Speechify pet let pozneje dosega SOTA. Neverjeten občutek je pogledati nazaj.«
Rohan Pavuluri, poslovni direktor Speechify in dolgoletni prijatelj Tylerja Weitzmana, je lestvico v nedavni objavi opisal kot rezultat zgodnje arhitekturne odločitve: »Lahko bi se pognali zgolj za kakovostjo, vendar sta naš model in naš DNK od začetka zahtevala arhitekturo, ki uporabnikom omogoča skoraj neomejen govor za 139 USD na leto. Danes to pomeni SOTA TTS po vrhunski ceni — redkost v AI, kjer boljša zmogljivost običajno pomeni višje stroške.«
Potrošniški obseg kot gonilo poslovnega AI
Zmožnost Speechifyja, da ponuja najboljši AI-glas na trgu po najnižji ceni v top 10, temelji na ekonomiji njihove potrošniške platforme. Platformo uporablja več kot 60 milijonov ljudi, letos pa je Speechify na WWDC 2025 prejel tudi Apple Design Award — še en dokaz, da sodi med najboljše AI-glasovne izkušnje ta hip. Pri naročnini 139 $ na leto je morala razvojna ekipa učinkovito sintezo vključiti že v samo zasnovo, ne šele kot naknadno optimizacijo. Prav ta disciplina razvijalcem omogoča 1. mesto na lestvici Artificial Analysis po takšni ceni.
»To je prava zgodba o outsiderju med ponudniki API-jev,« je povedal Luke Oliff, vodja odnosov z razvijalci pri Speechify, v sporočilu za javnost. »Leta smo optimizirali modele, ker je to zahteval naš potrošniški posel: milijoni uporabnikov in glasovi med najboljšimi na trgu. To delo nam zdaj omogoča, da v API-ju ponudimo najbolje ocenjeni model po izjemno nizki ceni. Večina laboratorijev je gradila za lestvice in cene postavljala za korporacije. Mi smo gradili za poslušalce in cene prilagodili vsakdanji uporabi.«
Dosegljivost
Simba 3.2 je zdaj na voljo prek SpeechifyAI Build, API-ja za pretvorbo besedila v govor in kloniranje glasu, ki poganja tudi novo platformo SpeechifyAI Agents za razvoj glasovnih agentov. Oboje je na voljo na speechify.ai s TypeScript in Python SDK-ji, podporo za pretakanje, hitrim začetkom, raznolikimi čustvi in SSML-prozodijo. Platforma vključuje tudi vrhunsko tehnologijo kloniranja glasu, ki razvijalcem omogoča uporabo tako najboljšega AI-modela kot najhitrejšega kloniranja po isti ceni. V načrtu so še podpora dodatnim jezikom in še ugodnejša različica modela.