HeyGen Voice Turbo le arrebata a HeyGen Voice la corona de la voz controlada — y recorta el precio de Arena en un 87%

Doce días después de que HeyGen Voice alcanzara el número uno en el Controlled Voice Arena de Artificial Analysis, HeyGen lo ha sustituido allí por HeyGen Voice Turbo, un modelo de voz más rápido y muchísimo más barato que se lanzó en la API del proveedor el 21 de octubre de 2026 con el ID de modelo heygen-voice-1-turbo. Consultado en la mañana del 22 de octubre, el tablero sitúa a HeyGen Voice Turbo en primer lugar con 1.202 Elo y a su predecesor HeyGen Voice en segundo con 1.195, con Qwen-Audio-3.1-TTS-Plus de Alibaba en tercer lugar con 1.184. El titular se escribe solo como una historia de sucesión —un proveedor que se supera a sí mismo— y ese enfoque no es incorrecto, pero es lo menos útil de la página. La cifra que debería cambiar una decisión de compra está dos columnas a la derecha, donde esa misma tabla clasificatoria enumera el nuevo modelo a 4,00 USD por millón de caracteres frente a 30,00 USD para el que desplazó. Cuando una inversión de clasificación como esta resulte más tarde estar basada en una puntuación obsoleta o reformulada, la corrección se registra con sus fechas y fuentes en el AI Incident Archive, junto con el resto de los fallos de modelos y proveedores que seguimos.

Eso representa una reducción del 87 % en el costo listado asociado a un modelo que se posiciona más alto que el modelo al que reemplaza. Ambas cifras son conversiones de Artificial Analysis de los precios de créditos de HeyGen, no tarifas que HeyGen publique, lo cual importa y vale la pena retener; pero la dirección de la brecha es demasiado grande para ser un artefacto de conversión.

Lo que la junta controlada realmente dice esta mañana

La Controlled Voice Arena mantiene constante el hablante: cada participante sintetiza las mismas ocho voces de referencia clonadas, cuatro de EE. UU. y cuatro del Reino Unido, y oyentes a ciegas eligen la mejor versión. Es la tabla que mide el motor en lugar de la muestra de demostración del proveedor, y es la correcta para leer si comercializas una voz de marca clonada. A 22 de octubre de 2026, la parte superior de la tabla dice así.

• Puesto 1 — HeyGen Voice Turbo, 1.202 de Elo, ±19 con un 95 % de confianza (intervalo de 1.183 a 1.221), 1.685 muestras, lanzado en octubre de 2026, 4,00 USD por millón de caracteres.

Puesto 2 — HeyGen Voice, 1.195 de Elo, ±15 (intervalo de 1.180 a 1.210), 1.964 muestras, publicado en octubre de 2026, 30,00 USD por millón de caracteres.

• Puesto 3 — Qwen-Audio-3.1-TTS-Plus, 1.184 Elo, ±14 (intervalo de 1.170 a 1.198), 2.292 muestras, 19,30 USD por millón de caracteres.

• Puestos 4 y 5 — Eleven v4 Turbo y Eleven v4, ambos con 1.156 Elo, $40,00 y $80,00 por millón de caracteres.

• Puesto 6 — Sonic 3.6, 1,151 Elo, $49.00 por millón de caracteres, en 3,193 muestras — el modelo más votado entre los diez primeros.

• Puesto 7 — Inworld Realtime TTS-2, 1.145 Elo, 20,80 USD por millón de caracteres.

Dos detalles de esa lista merecen más atención que el orden. El primero es la columna de rango: Artificial Analysis presenta los rangos del uno al tres como una sola banda, 1-3, lo que significa que sus propias estadísticas no separan a los tres mejores modelos. El segundo es el recuento de muestras. HeyGen Voice Turbo tiene 1.685 votos; Eleven v4 Turbo, dos puestos por debajo, tiene 2.593. La posición del nuevo modelo en la cima se basa en aproximadamente dos tercios de la evidencia de los modelos a los que está superando, y un intervalo de ±19 es el más amplio entre los cinco primeros.

Siete Elo no es la historia. Cuatro dólares sí.

Toma las dos entradas de HeyGen como un par, porque comparten un endpoint, un proveedor y ahora una zona de la tabla de clasificación. La diferencia entre ambas es de siete puntos Elo, y sus intervalos de confianza se solapan a lo largo de casi toda su amplitud: 1,183 a 1,221 frente a 1,180 a 1,210. Nadie debería elegir entre estos dos modelos por la calidad. Cualquier diferencia que exista en la naturalidad de la voz clonada es menor que la incertidumbre de la medición.

La diferencia de precio no es menor que la incertidumbre. Es un factor de 7,5.

La advertencia, primero, porque es real: HeyGen no publica una tarifa de voz por carácter. Su página pública de precios vende créditos —600 créditos en un nivel, 1.000 en otro y asignaciones mayores en los planes anuales— y nunca indica cuántos caracteres compra un crédito. Las cifras de $4.00 y $30.00 son una conversión propia de Artificial Analysis, aplicada de forma consistente a todos los proveedores de la tabla para que los modelos puedan compararse. Son cifras derivadas. Lo que hace que la comparación siga siendo utilizable es que la misma conversión produjo ambas cifras: si la conversión es errónea, lo es para ambas, y una ratio de 7,5× sobrevive a un error constante.

Hay una tercera opción de precio que no aparece en la tabla de clasificación en absoluto. HeyGen está ofreciendo un nivel gratuito de este modelo, heygen-voice-1-turbo-free, hasta el 30 de noviembre de 2026. Habla con voces públicas y clones instantáneos, no necesita saldo de créditos y está documentado explícitamente para pruebas, prototipos y pequeñas cantidades de habla. Además, no está garantizado explícitamente: no se garantizan la disponibilidad del servicio, el tiempo de respuesta ni el tiempo hasta el primer audio, la capacidad se comparte entre todos los usuarios gratuitos y una solicitud puede devolver HTTP 429 rate_limit_exceeded aunque estés cómodamente por debajo de tu propio límite de 30 solicitudes por minuto. Una solicitud gratuita nunca cambia silenciosamente al modelo de pago — tienes que enviar una nueva solicitud con heygen-voice-1-turbo y aceptar el cargo. Para una ruta de producción, presupuesta el modelo de pago y considera el nivel gratuito como una forma de escuchar el motor con tu propio guion esta semana.

Lo que Turbo sacrifica para alcanzar esa cifra

El descuento no es una promoción de precios disfrazada de lanzamiento de modelo. Es un producto más limitado, y esa limitación está documentada claramente en la referencia de voz de HeyGen.

• Tipos de voz: heygen-voice-1-turbo solo acepta voces públicas y clones instantáneos. No se admiten clones profesionales. El modelo predeterminado heygen-voice-1 sigue siendo el que reproduce voces profesionales.

• Controles por solicitud — Turbo acepta expressiveness_boost de 0.0 a 1.0 y nada más del conjunto de prosodia. seed, speed, pitch_shift y pitch_variance se aceptan y se ignoran en las voces instantáneas, incluida Turbo. Las voces profesionales rechazan expressiveness_boost de plano.

• Pausas: las voces profesionales hacen <break> pausas de hasta cinco segundos. Las voces instantáneas, Turbo incluida, no. Ninguna de las dos admite otro tipo de SSML.

• Longitud del texto: de 1 a 5.000 caracteres de prosa simple por solicitud, en ambos modelos.

• Límite de solicitudes — 30 solicitudes por minuto por miembro del espacio de trabajo de forma predeterminada, en ambos endpoints, ajustable por cuenta.

• Salida — un WAV PCM16 mono a 44,1 kHz para el endpoint síncrono; partes WAV codificadas en base64 y ordenadas mediante eventos enviados por el servidor en /tts/stream. Cada parte transmitida en streaming es un contenedor WAV completo, por lo que debe decodificarse individualmente en lugar de concatenarse.

Lea esa lista como una descripción del cliente al que se dirige Turbo: alguien que genera líneas cortas con una voz que clonó en segundos, en grandes volúmenes, para quien la falta de un control de tono es irrelevante y una diferencia de tarifa de 7,5× no lo es. Si su pipeline depende de un clon profesional de veinte minutos y de semillas reproducibles, Turbo no es una versión más barata de su modelo actual: es un modelo diferente que no puede hacer su trabajo.

La afirmación que HeyGen está haciendo en su propia documentación

La referencia de Text to Speech de HeyGen indica que sus valores predeterminados de la API — similarity: "extra_high" para la clonación y expressiveness_boost: 1.0 para la voz — son la configuración que "ocupó el primer lugar en el leaderboard Controlled Voice de Artificial Analysis". Se trata de una afirmación de un proveedor sobre un leaderboard independiente, y resulta que es verificable: el leaderboard sí muestra un modelo de HeyGen en primer lugar. La afirmación también es más limitada de lo que parece. Describe una configuración de un modelo en uno de los dos leaderboards de voz de Artificial Analysis, y no dice nada sobre la posición en el leaderboard del catálogo de voces del proveedor en su conjunto.

Ten en cuenta la discrepancia que conviene conocer antes de copiar los valores predeterminados: HeyGen Studio incluye similarity: "max" y expressiveness_boost: 0.5, mientras que la API usa por defecto el par de mayor similitud y máxima expresividad. El resultado de la tabla de clasificación se generó con los valores predeterminados de la API. Si ajustas para lograr una calidez similar a la de Studio, ya no estarás usando la configuración a la que pertenece el Elo.

Tres cosas que este ranking no mide

Primero, HeyGen no aparece en absoluto en Provider Voice Arena —el panel complementario donde cada proveedor utiliza sus propias voces nativas y se clasifican 98 modelos—. Ese panel está liderado por Eleven v4 Turbo con 1.335, con Inworld Realtime TTS-2 en sexto lugar con 1.267. Artificial Analysis omite los modelos que carecen de suficientes votos, así que la ausencia no es un veredicto sobre la calidad; sí significa que no existe ninguna cifra independiente sobre cómo suena el catálogo propio de HeyGen para el público general. Si estás eligiendo entre voces de narrador de stock en lugar de clonar, la cifra central de este artículo no se aplica a tu caso.

En segundo lugar, el tablero controlado se ejecuta por idioma, y HeyGen Voice Turbo aparece en la parte superior de los tableros en inglés y en el tablero en alemán, pero está ausente de las pestañas de japonés, chino, francés, español, portugués, vietnamita, árabe e hindi. Dado que HeyGen documenta 42 códigos de idioma base para clonación y voz, la explicación más probable es el volumen de votos y no la capacidad. Aun así, una corona en inglés es una corona en inglés, y cualquiera que publique narración multilingüe debería leer la pestaña correspondiente antes de asumir que el resultado se traslada.

Tercero, la arena evalúa el audio, no el paso de clonación que produjo la voz. Que un clon instantáneo a partir de unos segundos de audio de referencia conserve a un hablante específico es una cuestión aparte, que aquí no mide nadie.

¿Qué pasa el 1 de diciembre?

La cuestión abierta más concreta no es si Turbo conserva el primer puesto —una ventaja de siete puntos dentro de intervalos superpuestos podría invertirse en la próxima pasada de puntuación sin que nada cambie en HeyGen—. Es cuánto cuesta el modelo después de que el nivel gratuito se cierre el 30 de noviembre de 2026.

Dos caminos son plausibles. La conversión de $4.00 podría ser el precio en estado estacionario de un modelo de voz instantánea deliberadamente barato, en cuyo caso la tabla controlada ahora tiene una entrada en el primer puesto a una quinta parte de la mediana del grupo. O Turbo Free podría ser un canal de adquisición y la tarifa de pago podría cambiar cuando termine. HeyGen dice que notificará a los usuarios antes de que cambie la oferta, que es el único compromiso que consta oficialmente. Hasta que exista una tarjeta de tarifas del proveedor, cada precio aquí es una inferencia: una buena inferencia, aplicada de forma consistente y, aun así, una inferencia.

Para los equipos que ya ejecutan una canalización de voz, la acción práctica para esta semana es pequeña y económica: genera veinte de tus propias líneas a través de heygen-voice-1-turbo-free con un clon instantáneo, y genera esas mismas veinte con lo que uses hoy. La arena te ha dicho que los motores están parejos en ocho voces de referencia. No puede decirte si Turbo maneja los nombres de tus productos, tus números y tus pausas. Si además llamas a modelos de lenguaje o a uno de los modelos de voz alojados en el catálogo de OrcaRouter, esos pueden estar detrás de una única clave con conmutación automática por error, lo que mantiene el experimento fuera de tu ruta de producción —aunque HeyGen Voice Turbo en sí no se enruta allí, así que la ejecución de comparación tiene que pasar por la propia API de HeyGen.

La historia de la sucesión, al final, es la lectura menos interesante. Que un proveedor mejore su propio modelo en siete Elo en doce días es un progreso ordinario. Que un proveedor lance su mejor motor de voz clonada a aproximadamente una séptima parte del coste de lista del anterior es un cambio en lo que se permite que cueste una capa de voz — y esa es la frase que hay que llevar a una conversación presupuestaria.