ينتزع HeyGen Voice Turbo تاج الصوت الخاضع للتحكم من HeyGen Voice — ويخفض سعر Arena بنسبة 87%

بعد اثني عشر يومًا من وصول HeyGen Voice إلى المرتبة الأولى في Controlled Voice Arena التابعة لـ Artificial Analysis، استبدلته HeyGen هناك بـHeyGen Voice Turbo، وهو نموذج كلام أسرع وأرخص بكثير أصبح متاحًا على واجهة برمجة تطبيقات المورّد في 21 أكتوبر 2026 تحت معرّف النموذج heygen-voice-1-turbo. ووفق قراءة صباح 22 أكتوبر، تضع اللوحة HeyGen Voice Turbo في المرتبة الأولى بـ1,202 Elo وسلفه HeyGen Voice في المرتبة الثانية بـ1,195، مع Qwen-Audio-3.1-TTS-Plus من Alibaba في المرتبة الثالثة بـ1,184. والعنوان يكتب نفسه كقصة تعاقب — مورّد يتفوّق على نفسه — وهذا التأطير ليس خاطئًا، لكنه أقل ما في الصفحة فائدة. الرقم الذي ينبغي أن يغيّر قرار شراء يقع على بعد عمودين إلى اليمين، حيث تدرج اللوحة نفسها النموذج الجديد بسعر 4.00 دولارات لكل مليون حرف مقابل 30.00 دولارًا للنموذج الذي حلّ محلّه.عندما يتبين لاحقًا أن انقلابًا في لوحة الترتيب مثل هذا يستند إلى درجة قديمة أو معاد الإفصاح عنها، يُسجَّل التصحيح مع تواريخه ومصادره في أرشيف حوادث الذكاء الاصطناعي، إلى جانب بقية إخفاقات النماذج والمورّدين التي نتابعها.

وهذا يمثل انخفاضًا بنسبة 87% في التكلفة المدرجة المرتبطة بنموذج يحتل مرتبة أعلى من النموذج الذي يحل محله. وكلا الرقمين هما تحويلان أجرتهما Artificial Analysis لأسعار رصيد HeyGen وليسا الأسعار التي تنشرها HeyGen، وهذا أمر مهم ويستحق التذكير — لكن اتجاه الفجوة أكبر بكثير من أن يكون مجرد أثر ناتج عن التحويل.

ما الذي يقوله المجلس الخاضع للسيطرة فعليًا هذا الصباح

تُبقي Controlled Voice Arena المتحدث ثابتًا: فكل مشارك يُصنّع الأصوات المرجعية الثمانية المستنسخة نفسها، أربعة أمريكية وأربعة بريطانية، ويختار مستمعون دون معرفة مسبقة النسخة الأفضل. إنها اللوحة التي تقيس المحرك لا شريط العرض التجريبي الخاص بالبائع، وهي اللوحة الصحيحة التي يجب قراءتها إذا كنت تطلق صوتًا تجاريًا مستنسخًا. واعتبارًا من 22 أكتوبر 2026، يبدو أعلى الترتيب هكذا.

• المرتبة 1 — HeyGen Voice Turbo، 1,202 Elo، ±19 عند مستوى ثقة 95% (الفاصل من 1,183 إلى 1,221)، 1,685 عينة، صدر في أكتوبر 2026، $4.00 لكل مليون حرف.

• المرتبة 2 — HeyGen Voice، 1,195 Elo، ±15 (النطاق 1,180 إلى 1,210)، 1,964 عينة، صدر في أكتوبر 2026، 30.00 دولارًا لكل مليون حرف.

• الترتيب 3 — Qwen-Audio-3.1-TTS-Plus، 1,184 إيلو، ±14 (النطاق من 1,170 إلى 1,198)، 2,292 عينة، 19.30 دولارًا لكل مليون حرف.

• المركزان الرابع والخامس — Eleven v4 Turbo وEleven v4، وكلاهما 1,156 Elo، بسعر 40.00 دولارًا و80.00 دولارًا لكل مليون حرف.

• المرتبة 6 — Sonic 3.6، 1,151 إيلو، 49.00 دولارًا لكل مليون حرف، على 3,193 عينة — النموذج الأكثر تصويتًا ضمن العشرة الأوائل.

• المرتبة 7 — Inworld Realtime TTS-2، 1,145 Elo، 20.80 دولارًا لكل مليون حرف.

تفصيلان في تلك القائمة يستحقان انتباهًا أكبر من الترتيب. الأول هو عمود النطاق: تعرض Artificial Analysis المراتب من الأولى إلى الثالثة كنطاق واحد، 1-3، ما يعني أن إحصاءاتها نفسها لا تفصل بين النماذج الثلاثة الأولى. والثاني هو عدد العينات. لدى HeyGen Voice Turbo 1,685 صوتًا؛ ولدى Eleven v4 Turbo، الواقع أدنى بمرتبتين، 2,593 صوتًا. وموقع النموذج الجديد في القمة يستند إلى نحو ثلثي حجم الأدلة لدى النماذج التي يتفوق عليها، وفاصل ±19 هو الأوسع ضمن الخمسة الأوائل.

لا تكمن القصة في سبعة إيلو، بل في أربعة دولارات.

تعامل مع إدخالي HeyGen كزوج واحد، لأنهما يشتركان في نقطة نهاية وجهة موردة، والآن في جوار واحد على لوحة المتصدرين. الفارق بينهما سبع نقاط Elo، وفترات الثقة لديهما تتداخل على امتداد عرضها بأكمله تقريبًا: من 1,183 إلى 1,221 مقابل من 1,180 إلى 1,210. لا ينبغي لأحد أن يختار بين هذين النموذجين على أساس الجودة. فأي فرق موجود في طبيعية الصوت المستنسخ أصغر من عدم اليقين في القياس.

فرق السعر ليس أصغر من عدم اليقين. بل يبلغ معامل 7.5.

التحفّظ أولاً، لأنه حقيقي: لا تنشر HeyGen سعرًا لكل حرف للصوت. تعرض صفحة أسعارها العامة أرصدةً للبيع — 600 رصيد في فئة واحدة، و1,000 في فئة أخرى، وتخصيصات أكبر في الخطط السنوية — ولا تذكر أبدًا عدد الأحرف التي يشتريها الرصيد. رقما 4.00 دولار و30.00 دولار هما تحويل خاص بـ Artificial Analysis، طُبّق باتساق على كل بائع في اللوحة حتى يمكن مقارنة النماذج أصلًا. إنهما رقمان مشتقان. ما يجعل المقارنة قابلة للاستخدام رغم ذلك هو أن التحويل نفسه أنتج الرقمين: إذا كان التحويل خاطئًا، فهو خاطئ لكليهما، ونسبة 7.5× تصمد أمام خطأ ثابت.

هناك نقطة سعر ثالثة لا تظهر على لوحة الصدارة على الإطلاق. تشغّل HeyGen طبقة مجانية من هذا النموذج، heygen-voice-1-turbo-free، حتى 30 نوفمبر 2026. وهو يدعم الأصوات العامة والنسخ الفورية، ولا يحتاج إلى رصيد، وهو موثّق صراحةً للاختبارات والنماذج الأولية والكميات الصغيرة من الكلام. كما أنه غير مضمون صراحةً: فتوافر الخدمة وزمن الاستجابة والزمن حتى أول صوت كلها غير مضمونة، والسعة مشتركة بين جميع المستخدمين المجانيين، ويمكن أن يعيد الطلب HTTP 429 rate_limit_exceeded بينما تكون مرتاحًا تحت حدّك الخاص البالغ 30 طلبًا في الدقيقة. لا يتحول الطلب المجاني أبدًا بصمت إلى النموذج المدفوع — بل عليك إرسال طلب جديد باستخدام heygen-voice-1-turbo وقبول الرسوم. لمسار الإنتاج، خصّص ميزانية للنموذج المدفوع واعتبر الطبقة المجانية وسيلة لسماع المحرك بنصّك الخاص هذا الأسبوع.

ما الذي يضحي به Turbo للوصول إلى ذلك الرقم

الخصم ليس ترويجًا سعريًا مُتنكّرًا في صورة إطلاق نموذج. بل هو منتج أضيق نطاقًا، وقد وُثّق تضييق نطاقه بوضوح في مرجع الكلام الخاص بـ HeyGen.

• أنواع الصوت — heygen-voice-1-turbo يقبل الأصوات العامة والنسخ الفورية فقط. لا يتم دعم النسخ الاحترافية. النموذج الافتراضي heygen-voice-1 يظل هو النموذج المخصص لنطق الأصوات الاحترافية.

• عناصر تحكم لكل طلب — يقبل Turbo expressiveness_boost من 0.0 إلى 1.0 ولا شيء آخر في مجموعة التنغيم. seed، speed، pitch_shift وpitch_variance تُقبل وتُتجاهل في الأصوات الفورية، بما في ذلك Turbo. ترفض الأصوات الاحترافية expressiveness_boost تمامًا.

• التوقفات — الأصوات الاحترافية تأخذ <break> توقفات تصل إلى خمس ثوانٍ. أما الأصوات الفورية، بما فيها Turbo، فلا تفعل ذلك. ولا تُدعم أي ميزات SSML أخرى على أيٍّ منهما.

• طول النص — من 1 إلى 5,000 حرف من النثر العادي لكل طلب، على كلا النموذجين.

• حد المعدل — 30 طلبًا في الدقيقة لكل عضو في مساحة العمل افتراضيًا، على كلا نقطتي النهاية، وقابل للتعديل لكل حساب.

الإخراج — ملف WAV واحد أحادي القناة بترميز PCM16 بمعدل 44.1 kHz لنقطة النهاية المتزامنة؛ أجزاء WAV مرتبة ومشفرة بترميز base64 عبر أحداث مرسلة من الخادم على /tts/stream. كل جزء يتم بثه هو حاوية WAV كاملة، لذا يجب فك ترميزه فرديًا بدلاً من دمجه.

اقرأ تلك القائمة على أنها وصف للعميل الذي يستهدفه Turbo: شخص يولّد جملًا قصيرة بصوت استنسخه في ثوانٍ، وبكميات كبيرة، حيث لا يكون غياب التحكم في النبرة ذا أهمية، ولا يكون فارق المعدل 7.5× كذلك. إذا كان خط أنابيبك يعتمد على استنساخ احترافي يستغرق عشرين دقيقة وبذور قابلة لإعادة الإنتاج، فإن Turbo ليس نسخة أرخص من نموذجك الحالي — بل هو نموذج مختلف لا يستطيع أداء مهمتك.

الادعاء الذي تطرحه HeyGen في وثائقها الخاصة

يشير مرجع تحويل النص إلى كلام من HeyGen إلى أن الإعدادات الافتراضية لواجهة برمجة التطبيقات الخاصة به — similarity: "extra_high" لاستنساخ الصوت وexpressiveness_boost: 1.0 للكلام — هي التكوين الذي «احتّل المركز الأول في لوحة المتصدرين Artificial Analysis Controlled Voice». وهذا ادعاء من البائع بشأن لوحة مستقلة، بل إنه قابل للتحقق فعلاً: تُظهر اللوحة بالفعل طرازاً من HeyGen في المركز الأول. كما أن الادعاء أضيق مما يبدو عليه. فهو يصف تكويناً واحداً لطراز واحد على واحدة من لوحتي الكلام لدى Artificial Analysis، ولا يقول شيئاً عن موقع كتالوج الأصوات الخاص بالبائع ككل في لوحة المتصدرين.

لاحِظ عدم التطابق الجدير بالمعرفة قبل أن تنسخ الإعدادات الافتراضية: يُصدِر HeyGen Studio similarity: "max" وexpressiveness_boost: 0.5، بينما تعتمد واجهة API افتراضيًا الزوجَ الأعلى تشابهًا والأقصى تعبيرية. وقد أُنتجت نتيجة لوحة الصدارة باستخدام الإعدادات الافتراضية لواجهة API. وإذا ضبطت إعداداتك لمحاكاة دفء Studio، فأنت لم تعد تشغّل التكوين الذي تنتمي إليه نتيجة Elo.

ثلاثة أمور لا تقيسها لوحة الصدارة هذه

أولاً، لا يوجد لـ HeyGen أي مدخل على الإطلاق في Provider Voice Arena — اللوحة المرافقة حيث يستخدم كل مورّد أصواته الأصلية ويُصنَّف 98 نموذجاً. تتصدر تلك اللوحة Eleven v4 Turbo عند 1,335، بينما يأتي Inworld Realtime TTS-2 في المركز السادس عند 1,267. تستبعد Artificial Analysis النماذج التي تفتقر إلى تصويتات كافية، لذا فإن الغياب ليس حكماً على الجودة؛ لكنه يعني أنه لا يوجد رقم مستقل لما يبدو عليه كتالوج HeyGen الخاص لدى جمهور عام. إذا كنت تختار من بين أصوات السرد الجاهزة بدلاً من الاستنساخ، فإن الرقم المحوري في هذا المقال لا ينطبق عليك.

ثانيًا، تُدار لوحة الصدارة الخاضعة للتحكم لكل لغة على حدة، ويظهر HeyGen Voice Turbo في صدارة اللوحات الإنجليزية وعلى اللوحة الألمانية — لكنه غائب عن تبويبات اليابانية والصينية والفرنسية والإسبانية والبرتغالية والفيتنامية والعربية والهندية. وبما أن HeyGen توثّق 42 رمز لغة أساسيًا للاستنساخ والكلام، فإن التفسير الأرجح هو حجم التصويت لا القدرة. ومع ذلك، فالتاج الإنجليزي يبقى تاجًا إنجليزيًا، وعلى أي شخص يقدّم سردًا متعدد اللغات أن يقرأ التبويب المعني قبل افتراض أن النتيجة تنتقل إلى لغات أخرى.

ثالثًا، تقيّم الساحة الصوتَ، لا خطوةَ الاستنساخ التي أنتجت الصوت. أما ما إذا كان الاستنساخ الفوري من بضع ثوانٍ من الصوت المرجعي يحافظ على متحدث محدد، فهذه مسألة منفصلة لا يقيسها أحد هنا.

ماذا يحدث في 1 ديسمبر

السؤال المفتوح الأكثر ملموسة ليس ما إذا كان Turbo يحتل المركز الأول — فتقدّمه بسبع نقاط داخل فترات متداخلة قد ينقلب في دورة التقييم التالية دون أن يتغير أي شيء لدى HeyGen. بل هو كم ستكون تكلفة النموذج بعد انتهاء الفترة المجانية في 30 نوفمبر 2026.

هناك مساران محتملان. قد يكون سعر التحويل البالغ $4.00 هو سعر الحالة المستقرة لنموذج صوت فوري رخيص عمدًا، وفي هذه الحالة تضم اللوحة المضبوطة الآن مدخلًا ضمن الأعلى ترتيبًا بسعر يعادل خُمس وسيط المجال. أو قد تكون Turbo Free قناة استقطاب، وقد يتغيّر السعر المدفوع بمجرد انتهائها. تقول HeyGen إنها ستُخطر المستخدمين قبل تغيّر العرض، وهذا هو الالتزام الوحيد المسجّل علنًا. وإلى أن تتوفر بطاقة أسعار من المورّد، فإن كل سعر هنا استنتاج — استنتاج جيد، مطبّق باتساق، لكنه يظل استنتاجًا.

بالنسبة للفرق التي تشغّل بالفعل مسارًا صوتيًا، فإن الخطوة العملية هذا الأسبوع صغيرة وغير مكلفة: ولّد عشرين سطرًا من أسطرك عبر heygen-voice-1-turbo-free باستخدام استنساخ فوري، وولّد نفس العشرين عبر أي أداة تستخدمها اليوم. لقد أخبرتك الساحة أن المحركات متقاربة في ثمانية أصوات مرجعية. لكنها لا تستطيع أن تخبرك ما إذا كان Turbo يتعامل مع أسماء منتجاتك وأرقامك وفترات توقفك. وإذا كنت تستدعي أيضًا نماذج لغوية أو أحد نماذج الكلام المستضافة في كتالوج OrcaRouter، فيمكن أن توضع خلف مفتاح واحد مع تحويل تلقائي عند الفشل، ما يبقي التجربة بعيدًا عن مسار الإنتاج لديك — مع أن HeyGen Voice Turbo نفسه غير موجّه هناك، لذا يجب أن تمر جولة المقارنة عبر واجهة API الخاصة بـ HeyGen.

قصة التعاقب، في النهاية، هي القراءة الأقل إثارة للاهتمام. فمورّد يحسّن نموذجه الخاص بسبع نقاط Elo خلال اثني عشر يومًا هو تقدّم عادي. أما مورّد يطرح أفضل محرك أصوات مستنسخة لديه بتكلفة تقارب سُبع التكلفة المعلنة للمحرك السابق، فهو تغيير فيما يمكن أن تكلّفه طبقة الصوت — وهذه هي الجملة التي ينبغي حملها إلى نقاش الميزانية.