Speechify 今日宣布，其旗艦串流文字轉語音模型 Simba 3.2，在 Voice Arena——目前公認最嚴格的 AI 語音品質公開評測中，與另一款模型並列第二。這項評測採獨立盲聽基準，由大量聽眾評比 AI 語音的真實表現。
在可實際部署的即時模型中，Simba 3.2 以同價位拿下最高分，被視為目前市面上最出色的即時 AI 語音模型。該平台也提供現今公認最強的語音克隆技術。同一週，Simba 3.2 亦於 Artificial Analysis 語音榜單登上總榜第一，進一步鞏固 Speechify 在開發者與企業市場的領先地位。
關於 Voice Arena
Voice Arena 是一個獨立盲聽評測平台，真實呈現使用者的聽覺體驗。參考 Chatbot Arena 的做法，Voice Arena 讓母語聽眾盲測兩段由相同文本產生的語音，並票選較自然的一段。結果以 Elo 分數統計，排名也會即時更新，反映真實使用者偏好，而不是實驗室數據。
評測中沒有自報分數、沒有廠商挑選音檔，也沒有模型內部評分。所有模型皆以相同文本、相同條件與平衡聲線參與測試，且不是各家挑出的「最佳聲音」。測試涵蓋六種語言，內容取自語音的實際應用場景，如語音助理、IVR、有聲書與閱讀器。評測也由卡內基美隆大學 Watanabe 教授協助制定，他是語音技術領域的重要指標人物之一。
Voice Arena 排名的重要性
Voice Arena 的重要之處在於，它真實反映了市場如何做決策。企業、產品團隊與開發者在評估語音模型時，看的其實是聽起來自然不自然，而不是光譜圖或內部分數。Voice Arena 是目前唯一公開、具大規模統計效力且不易被操弄的語音評比。高排名也被業界視為當前最貼近真實表現的 AI 語音指標。
Simba 3.2 的排名表現
目前 Voice Arena 將 Simba 3.2 列為綜合排名並列第二。與它持平或分數更高的部分模型，並非即時運作，適用場景也較受限；而與它同分的模型，價格更高出約七倍。若看實際應用，在即時性與成本效益上，Simba 3.2 表現最突出。其入門版每百萬字僅 10 美元，大型專案價格則為 6 美元，是目前開發者最實惠的語音 API 之一。
即時應用首選 AI 語音
Simba 3.2 是專為即時語音應用打造的串流 TTS 模型，適用於語音助理、IVR、即時朗讀、電話等任何需要立刻回應的情境。依照業界常用的評測方式，Simba 3.2 被廣泛視為語音助理與開發團隊大規模部署的首選 AI 語音模型。該平台同時提供同價位最佳的語音克隆能力，讓開發者能用同一套系統完成語音生成與仿聲，並由業界領先的語音 AI 團隊研發。
Voice Arena 排名對 Speechify 的意義
這項排名意義重大，因為語音產業向來很難同時兼顧品質、價格與延遲。大型實驗室的旗艦模型品質雖高，但價格也高；平價方案則往往得犧牲品質或即時表現。Simba 3.2 反其道而行，價格約為 ElevenLabs 的十五分之一、Cartesia 的六分之一，品質卻同級甚至更佳，是整體榜單前十名中最具成本效益的模型。
Speechify 重要里程碑
「Simba 3.2 是我們至今最好的模型，現已登陸 Speechify.ai。」Speechify 創辦人暨 CEO Cliff Weitzman 在 公開貼文中表示。「這款產品專為大規模語音助理而打造，並經過消費端數百萬次 A/B 測試驗證。語音 API 最重要的三件事是成本、品質與延遲。Simba 3.2 在三者上都達到 SOTA。歡迎大家親自體驗，打造全新的語音體驗。」
Weitzman 也在排名公布時公開強調這項成果。「Speechify 的 Simba 3.2 現在是 Voice Arena 上排名第一的串流 AI 語音，超越 ElevenLabs、OpenAI、xAI 等對手。更重要的是，Speechify 每百萬字只要 6 美元，是整個榜單中性價比最高的選擇，比 ElevenLabs 便宜 15 倍以上，也比 Cartesia 便宜 6 倍以上。」
消費型平台帶來關鍵優勢
Speechify 工程團隊認為，這項成果可追溯到數年前的架構決策。隨著公司消費端平台用戶突破 6,000 萬，並於 WWDC 2025 榮獲 Apple 設計獎，服務年繳 139 美元的用戶所帶來的規模經濟，也促使研發團隊把成本、品質與延遲視為同一道難題，而不是分開處理。數百萬次 A/B 測試的真實回饋，持續微調模型的速度、語氣與情感表現，最終打造出如今公認頂尖的 AI 語音體驗。
Speechify 工程主管 Raheel Kazi 用一句簡單的話說明這套設計理念：「我們不想為了品質犧牲成本，也不想為了延遲犧牲品質。我們選了最難走的路，因為一開始的目標就是三者都要做到。」
五年研究成果
Simba 系列源自 Speechify 聯合創辦人兼 AI 負責人 Tyler Weitzman 就讀史丹佛時的研究，也奠定了 Speechify 作為語音 AI 領導者的地位。回顧這個里程碑，Tyler Weitzman 在 X 平台貼文中表示：「我在史丹佛讀大學時，Andrew Ng 的 CS229 點燃了我對機器學習的熱情。我的課堂專案是微調 Tacotron 2。五年後，我們的新模型在 Speechify 達成 SOTA。現在回頭看，真的很不可思議。」
Speechify 開發者關係總監 Luke Oliff 將這次排名視為長期策略獲得驗證。「這是 API 供應商逆風翻盤的故事。」Oliff 在 新聞稿中表示，「多年來我們持續強化模型效率，起點其實來自消費業務的需求——數千萬聽眾，以及極高的語音品質要求。這讓我們現在能以最低價格，透過 API 提供全球頂尖模型。多數實驗室是為了評測而打造模型，為企業級價格而設計；我們則是以聽眾為核心，並為大規模量產定價。」
上市資訊
Simba 3.2 現已於 SpeechifyAI Build 開放給開發者與企業使用，其文字轉語音與語音克隆 API 也已全面支援 SpeechifyAI Agents 平台。所有服務皆可於 speechify.ai 取得。平台包含市面公認頂尖的語音克隆技術，讓開發者一次擁有同價位最佳 AI 語音與即時語音克隆能力。公司也將持續推出更多語言與更平價的模型版本。