HeyGen Voice vs. ElevenLabs: Eine neue Nummer eins bei geklonten Stimmen – und der Anbieter, der das Spielfeld noch immer beherrscht

HeyGen Voice erreichte am 9. Oktober 2026 mit 1.202 Elo den ersten Platz in der Controlled Voice Arena von Artificial Analysis, und das Modell, das es von diesem Platz verdrängte, war ein Modell der ElevenLabs-Klasse: Eleven v4 Turbo, jetzt Dritter mit 1.167. Das ist die Schlagzeile, und sie stimmt. Es ist außerdem eine viel kleinere Aussage, als es klingt, denn die Modelle desselben Anbieters belegen auf derselben kontrollierten Rangliste die Plätze zwei, drei, vier, elf und fünfzehn, und Eleven v4 Turbo bleibt in der weitaus größeren Provider Voices Arena mit 1.328 Elo auf Platz eins — 126 Punkte vor HeyGen Voice, das dort überhaupt nicht gelistet ist. Eine Engine hat eine Rangliste gewonnen. Der Anbieter dominiert die Kategorie weiterhin.

Derselbe Anbieter stellt jetzt fünf der Top-Fünfzehn

Die kontrollierte Bestenliste hält die Stimme konstant – acht geklonte Referenzstimmen, vier US-amerikanische und vier britische –, sodass jeder Eintrag danach beurteilt wird, wie die Engine mit einer Stimme umgeht, die sie nicht selbst auswählen konnte. Auf dieser Bestenliste steht nun: HeyGen Voice 1.202, Qwen-Audio-3.1-TTS-Plus 1.186, Eleven v4 Turbo 1.167, Eleven v4 1.160, Sonic 3.6 1.143, Realtime TTS-2 1.143. Weiter unten liegt Eleven v3 bei 1.072 und v3 Conversational bei 1.056.

Fünf der fünfzehn besten Einträge in diesem Feld tragen denselben Anbieternamen. Der Rivale mit dem besten Einzelmodell auf dem Board hat fünf gute Modelle, über zwei Generationen und zu zwei Preispunkten, plus eine dialogorientierte Variante, die ein völlig anderes Produkt ist. So sieht ein etablierter Anbieter aus, wenn man selbst die Spitze eines Leaderboards anführt, und deshalb ist ein #1-Debüt eine Schlagzeile wert, nicht aber einen Migrationsplan.

Was die ElevenLabs-Modelle tatsächlich sind

Eleven v4 Turbo wird in der eigenen Dokumentation des Anbieters als das State-of-the-Art-Modell für Echtzeit-Sprachsynthese beschrieben, empfohlen für Support-Agents, KI-Assistenten und interaktive Charaktere, erreichbar über das Text-to-Dialogue-Websocket unter der Modellkennung eleven_v4_turbo. ElevenLabs gibt eine mediane Inferenzlatenz von ungefähr 100 ms an – vom Anbieter berichtet, und die Fußnote derselben Seite schließt Anwendungs- und Netzwerklatenz von dieser Angabe aus, sodass es sich um einen Wert der Modell-Engine handelt, nicht um ein Versprechen für den Round-Trip.

Die Sprachabdeckung der v4-Familie ist in diesem Vergleich mit Abstand am umfangreichsten: 90+ Sprachen, von Afrikaans und Arabisch bis hin zu Kantonesisch, Hindi, Japanisch, Mandarin und Zulu. In der eigenen Dokumentation von HeyGen werden 300+ vorgefertigte Stimmen über „Dutzende Sprachen“ hinweg aufgeführt, ohne eine Anzahl zu veröffentlichen, was eine andere Art der Beschreibung eines Katalogs ist und nicht direkt mit einer Sprachanzahl vergleichbar ist.

Dann gibt es den Teil, der auf einem Leaderboard überhaupt nicht auftaucht: die Voice Library, die Stabilitäts- und Ähnlichkeitsregler, das Tuning pro Anfrage und ein Jahrzehnt an Integrationsfläche. Ein Modellvergleich ist kein Plattformvergleich, und der ElevenLabs-Eintrag konkurriert in beiden Bereichen.

Die Anzeigetafel

• Kontrollierter Voice-Elo — HeyGen Voice: 1.202 (Nr. 1). Eleven v4 Turbo: 1.167 (Nr. 3). Eleven v4: 1.160 (Nr. 4).

• Anbieter-Stimmen-Elo — Eleven v4 Turbo: 1.328 (Platz 1 von 96). HeyGen Voice: nicht gerankt.

• Veröffentlichter Preis pro 1 Mio. Zeichen — Eleven v4 Turbo: 40,00 $. Eleven v4: 80,00 $. HeyGen Voice: 30,00 $ auf Grundlage der arenaeigenen Umrechnung von HeyGens Credit-Preisen; HeyGen selbst veröffentlicht keinen Preis für Voice.

• Angegebene Latenz — Eleven v4 Turbo: ~100 ms Median-Inferenz, ohne Anwendungs- und Netzwerklatenz (vom Anbieter angegeben). HeyGen Voice: kein Wert veröffentlicht.

• Sprachabdeckung — ElevenLabs v4-Familie: 90+ Sprachen (Anbieterdokumentation). HeyGen Voice: „Dutzende Sprachen“, Anzahl nicht veröffentlicht.

• Modelle in den kontrollierten Top-15 — ElevenLabs: fünf Stufen. HeyGen: eine.

Der Abstand zwischen den beiden Boards ist die interessante Zahl

Eleven v4 Turbo liegt auf dem Provider Voices Board 161 Punkte vor HeyGen Voice und auf dem kontrollierten Board 35 Punkte dahinter. Beide Zahlen stammen von derselben Website, derselben Blindhörer-Methode und demselben Zeitraum. Was sie trennt, ist die Stimme.

Auf dem Anbieter-Board stellt jeder Anbieter seine eigenen nativen Stimmen bereit, sodass ein Unternehmen, das jahrelang eine Stimmenbibliothek aufgebaut und kuratiert hat, seine besten aufbieten kann. Auf dem kontrollierten Board verschwindet dieser Vorteil – die Engine muss eine geklonte Stimme rendern, die sie nicht ausgewählt hat. Die 196-Punkte-Differenz zwischen den beiden Ergebnissen ist im Grunde ein Maß dafür, wie viel von ElevenLabs' Position auf den Stimmen statt auf der Engine beruht. Das ist ein großer Anteil. Er ist auch nicht null: 1.167 ist immer noch Platz drei von zweiundvierzig.

Für einen Käufer läuft das auf eine konkrete Frage hinaus. Wenn Sie eine Stimme aus der Bibliothek eines Anbieters auswählen, ist das Anbieter-Board Ihr Board, und ElevenLabs' Position dort ist unangefochten. Wenn Sie einen bestimmten Sprecher klonen, ist das kontrollierte Board Ihr Board, und diese Woche steht dort ein neuer Name an der Spitze.

Die Kosten des Amtsinhabers haben sich nicht geändert.

Eleven v4 Turbo kostet in der API des Anbieters 40 US-Dollar pro Million Zeichen, das ältere Eleven v4 kostet 80 US-Dollar – doppelt so viel für ein Modell, das auf dem kontrollierten Board sieben Elo-Punkte weniger erzielt. Diese anbieterinterne Spanne ist einen Moment des Innehaltens wert: zwei Modelle eines Unternehmens, preislich um den Faktor 2 auseinander, in der Rangliste drei Plätze auseinander.

HeyGens Seite des Preisvergleichs existiert, aber nicht in einer von HeyGen veröffentlichten Form. Die Arena führt diesen Wert mit 30,00 $ pro Million Zeichen auf – zehn Dollar unter dem ElevenLabs-Tarif, den HeyGen verdrängt hat, und 62 % der 80 $ des älteren Eleven v4 –, doch diese Zahl ist eine Umrechnung von Artificial Analysis, keine Anbieterangabe: HeyGens öffentliche Preisseite verkauft Credits (600 für 29 $/Monat, 1.000 für 49 $, 1.500 für 149 $) und dokumentiert, dass der Verbrauch je nach Modell, Dauer und Komplexität variiert, ohne einen Voice-Tarif zu nennen. Damit liegt der Herausforderer mit der besseren Bewertung für geklonte Stimmen preislich ein Viertel unter dem Platzhirsch – auf Basis einer Zahl, die der Platzhirsch nicht ableiten musste.

Wo jede Seite tatsächlich gewinnt

Wählen Sie ElevenLabs, wenn die Breite der begrenzende Faktor ist. Über neunzig Sprachen, fünf gewertete Stufen auf der kontrollierten Rangliste, eine ausgereifte Stimmbibliothek und eine Konversationsvariante zum Preis von 50 $ pro Million Zeichen, die die kontrollierte Rangliste auf Platz fünfzehn führt – diese Kombination ist anderswo schwer zusammenzustellen, und deshalb blieb der Vorsprung des Anbieters trotz Verlusts des ersten Platzes erhalten.

Testen Sie HeyGen Voice, wenn die Einschränkung Gleichheit ist. Ein Sprecher, Tausende Zeilen, ein Klon, der jedes Mal wie dieser Sprecher klingen muss – genau diese Arbeitslast modelliert die kontrollierte Arena, und HeyGen Voice ist derzeit die am besten bewertete Engine dafür. Der Professional-Clone-Pfad, der mit über zwanzig Minuten Audio trainiert wird, ist das relevante Produkt für diese Aufgabe, nicht der Instant-Clone aus einer einzigen Aufnahme.

Die 1.202 sollte nicht als Beweis dafür gelesen werden, dass HeyGen Voice ElevenLabs generell übertrifft. Es schlägt eine ElevenLabs-Stufe auf einem Board. Drei weitere Stufen liegen innerhalb von 42 Punkten davon, und der Spitzenreiter des anderen Boards liegt 126 Punkte davor.

Einen Challenger ohne Migration testen

Die Kostenasymmetrie ist hier der nützliche Teil: Ein Stimmenwechsel ist günstig umzusetzen und sofort hörbar, wenn er schiefgeht, und der etablierte Anbieter mit 40 US-Dollar pro Million Zeichen ist eine teure Sache, die man auf Traffic weiterlaufen lässt, den der Herausforderer besser bewältigt. Der Weg, das zu lösen, besteht darin, beide hinter einer einzigen Integration laufen zu lassen und dein eigenes Audio entscheiden zu lassen — OrcaRouter bietet beide über einen einzigen API-Schlüssel zum Listenpreis des Anbieters ohne Aufschlag an, sodass eine Tarifänderung des Anbieters an der Quelle sichtbar wird und nicht erst bei der Vertragsverlängerung, und automatisches Failover bedeutet, dass eine fehlgeschlagene Sprachanfrage auf die andere Engine zurückfällt, statt stumm zu bleiben. Für einen ersten Durchlauf kannst du den Traffic zu der Engine hin gewichten, die dein Ohr anhand eines kleinen Testaufbaus bevorzugt, und die Routing-DSL lässt dich eine Engine für vorgerenderte Narration und die andere für interaktive Turns vorsehen, ohne eine zweite Client-Bibliothek.

Was würde diese Geschichte verändern?

Wenn HeyGen Voice in die Provider Voices Arena einziehen würde, würde uns das zeigen, ob sich ein Vorsprung bei geklonten Stimmen in wettbewerbsfähige native Stimmen übersetzt – den Test, den ElevenLabs bei 1.328 besteht. Ein Stimmenpreis auf HeyGens eigener Preisseite würde die abgeleiteten 30,00 $ der Arena in eine Rechnung verwandeln, die man prüfen kann. Und ein weiterer Monat mit Abstimmungen würde zeigen, ob ein Vorsprung von 16 Elo vor Qwen-Audio-3.1-TTS-Plus eine stabile Rangfolge oder eine Momentaufnahme ist. Jedes der drei könnte die Empfehlung verändern; keines davon ist bisher eingetreten, und die ehrliche Zusammenfassung, bis sie eintreten, lautet, dass HeyGen Voice das kontrollierte Board gewonnen hat und ElevenLabs weiterhin die Kategorie anführt.