HeyGen Voice Turbo frente a HeyGen Voice: una reducción de precio de 7,5×, siete puntos Elo y una función que Turbo no puede hacer

Elige un número: doce millones de caracteres al mes, aproximadamente veinticinco horas de narración. Con las tarifas publicadas de Artificial Analysis para los dos modelos de voz de HeyGen, esa factura es de $360 en HeyGen Voice y $48 en HeyGen Voice Turbo. La diferencia de calidad que cita la misma clasificación entre ambos es de siete puntos Elo, en una tabla donde los tres mejores modelos ocupan una sola banda estadística y los intervalos de confianza de las dos entradas de HeyGen se solapan casi por completo. Cuando un proveedor vuelve a declarar posteriormente un precio o una puntuación en la que se basó una comparación como esta, 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.

Esa asimetría es toda la comparación. HeyGen Voice Turbo y HeyGen Voice no son dos generaciones de un mismo producto en las que la más reciente sustituye a la anterior; son un solo producto dividido en dos por una línea que atraviesa el tipo de voz, no la calidad. Elegir entre ellos no es una cuestión de criterio sobre cuál suena mejor. Es una pregunta sobre si tus voces son clones instantáneos o clones profesionales, y la respuesta está escrita en la API.

Mismo endpoint, una cadena diferente

HeyGen ofrece ambos modelos con cuerpos de solicitud idénticos. POST /v3/models/audio/tts devuelve un único WAV mono de 44,1 kHz cuando finaliza la síntesis; POST /v3/models/audio/tts/stream devuelve partes de audio ordenadas como eventos enviados por el servidor. Lo único que cambia es el campo model: heygen-voice-1 es el predeterminado, heygen-voice-1-turbo selecciona el motor más rápido y heygen-voice-1-turbo-free es un nivel gratuito de capacidad limitada disponible hasta el 30 de noviembre de 2026.

Ambos endpoints limitan el texto a 5000 caracteres de prosa simple y ambos tienen un valor predeterminado de 30 solicitudes por minuto por miembro del espacio de trabajo. Ambos requieren una ACTIVA voz — una voz pública de HeyGen o un clon en tu espacio de trabajo. La separación ocurre un nivel más arriba, en la elegibilidad de la voz.

La línea que Turbo no cruza

Los clones profesionales solo funcionan con heygen-voice-1. Esa frase aparece en la documentación de referencia de HeyGen y es la decisión, expresada sin rodeos: una voz profesional entrenada con veinte minutos o más de audio no puede ser reproducida por Turbo a ningún precio. Los clones instantáneos —el tipo que se crea a partir de una sola grabación, normalmente ACTIVO en cuestión de segundos, sin un paso de entrenamiento ni una ranura de clon— pueden ser reproducidos por cualquiera de los dos.

Todo lo demás sigue el mismo límite.

• Voces disponibles — Turbo: voces públicas y clones instantáneos. HeyGen Voice: voces públicas, clones instantáneos y clones profesionales.

• Expresividad — expressiveness_boost de 0.0 a 1.0 en ambos, valor predeterminado 1.0, y solo se aplica a las voces instantáneas. Las voces profesionales rechazan este parámetro.

• Controles de prosodia — seed, speed (de 0.75 a 1.25), pitch_shift (de −4 a +4 semitonos) y pitch_variance (de 0.5 a 2.0) son solo para profesionales. Las voces instantáneas, en cualquiera de los dos modelos, los aceptan y los ignoran en silencio, algo que conviene saber antes de lanzar una función cuyos ajustes no hacen nada de forma silenciosa.

• Pausas: <break time="0.5s"/>las pausas de hasta cinco segundos funcionan en las voces profesionales. Las voces instantáneas, incluida Turbo, no las respetan. Ningún otro elemento SSML es compatible con ninguno de los dos modelos.

• Texto y límite — de 1 a 5000 caracteres por solicitud, 30 solicitudes por minuto por miembro del espacio de trabajo de forma predeterminada, idéntico en ambos.

• Idioma — 42 códigos de idioma base para clonación y voz, con etiquetas regionales como en-US y fr-CA que se normalizan al idioma base. Una etiqueta regional no selecciona ningún acento regional.

• Precio anunciado — Turbo $4.00 por millón de caracteres, HeyGen Voice $30.00, ambos convertidos por Artificial Analysis a partir del precio por créditos de HeyGen, en lugar de ser publicados por HeyGen.

Cuánto valen los siete Elo y cuánto no

En la lectura del Controlled Voice Arena del 22 de octubre de 2026, HeyGen Voice Turbo ocupa el primer puesto con 1.202 Elo (±19) y HeyGen Voice el segundo con 1.195 (±15). Ambos se puntuaron con las mismas ocho voces de referencia clonadas —cuatro de EE. UU., cuatro del Reino Unido—, por lo que la comparación es homogénea por construcción, y es el único resultado de arena en el que los dos modelos pueden someterse a condiciones idénticas.

Siete puntos en ese ranking no constituyen un margen significativo. El ranking presenta los puestos del uno al tres como una sola banda, 1-3, lo que significa que sus propias estadísticas se abstienen de ordenar a los tres primeros. El intervalo de Turbo va de 1.183 a 1.221; el de HeyGen Voice va de 1.180 a 1.210. Se solapan en 27 de sus respectivos 39 y 31 puntos de amplitud. Y las 1.685 muestras de Turbo son la evidencia más débil entre los cinco primeros, frente a las 1.964 de HeyGen Voice y las 2.593 de Eleven v4 Turbo, dos puestos más abajo.

Así que la lectura honesta de la columna de calidad es un empate con una ligera ventaja a favor de Turbo que unos cuantos miles de votos más podrían borrar en cualquier dirección. Cualquiera que necesite que estos dos modelos estén clasificados se ha topado con un número que no puede soportar el peso.

La columna de precios, en cambio, no deja lugar a dudas en cuanto a su dirección, aunque sus valores absolutos sean derivados. Artificial Analysis aplica un único método de conversión a todos los proveedores del cuadro; si ese método valora mal el sistema de créditos de HeyGen, valora mal ambas entradas de HeyGen por el mismo factor, y 7,5× sobrevive a un error constante. No sobreviviría a un error que varíe según el nivel del modelo —y nada de lo publicado sugiere que los dos niveles cobren los créditos de forma diferente—, pero esa es la suposición que conviene contrastar con tu propia factura en lugar de darla por buena.

Dónde «más barato» deja de ser la pregunta correcta

Tres situaciones hacen que el empate de siete puntos Elo sea irrelevante y, con él, la diferencia de precio.

Tienes clones profesionales. Turbo no puede hacerlos hablar. La comparación termina antes de llegar al coste. HeyGen mantiene heygen-voice-1 como opción predeterminada precisamente porque las voces profesionales lo necesitan, y por mucho que se vuelva a grabar, un clon entrenado durante veinte minutos no se convierte en uno instantáneo sin reconstruir la voz.

Necesitas una salida reproducible. Las semillas son un mecanismo de control para las voces profesionales, y Turbo no admite voces profesionales en absoluto. Si tu pipeline regenera una línea y espera la misma interpretación, ninguna de las dos vías de voz instantánea te ofrece esa palanca.

Necesitas precisión temporal en voces instantáneas. Ambos modelos aceptan with_timestamps y devuelven tiempos de inicio y fin por carácter — en el endpoint síncrono como original_characters en la respuesta, en el endpoint de streaming como eventos character_alignment que incluyen tanto el texto enviado como el texto normalizado realmente pronunciado. Las marcas de tiempo no cuestan nada en ninguno de los dos modelos, así que esto no es un diferenciador; es simplemente la razón por la que una canalización de subtítulos puede usar Turbo sin perder nada.

Para el resto —una voz de marca clonada a partir de una grabación breve, un agente de soporte, un lote de líneas cortas—, Turbo es la misma clase de motor a una fracción de la tarifa, y los siete puntos de Elo son ruido.

La migración es una cadena, y esa es la trampa.

Como el cuerpo de la solicitud no cambia, cambiar es cuestión de un solo campo. Por eso también los equipos harán el cambio sin medir nada. El modo de fallo no es un 400; es una voz que, sin avisar, no se puede usar. Envía un voice_id profesional a Turbo y la solicitud falla — esa sí es evidente y no hay problema. Envía una voz instantánea con speed: 1.1 y obtienes audio a la velocidad predeterminada sin error, porque las voces instantáneas aceptan e ignoran el parámetro. Un pipeline que llevaba tiempo ajustando la prosodia con voces instantáneas ya no estaba obteniendo lo que pedía; pasar a Turbo solo hace que sea más probable descubrirlo.

Hay un detalle de migración que es realmente fácil de pasar por alto y que está documentado: las voces instantáneas creadas antes de HeyGen Voice 1 deben clonarse de nuevo para poder hablar con esta generación del modelo. Un espacio de trabajo antiguo lleno de clones instantáneos heredados no simplemente cambia una cadena del modelo y funciona.

Vale la pena echar un vistazo a los valores predeterminados de HeyGen antes de hacer tu benchmark, porque el proveedor usa dos configuraciones. HeyGen Studio incluye similarity: "max" en el momento de la clonación con expressiveness_boost: 0.5 en la síntesis. Los valores predeterminados de la API son similarity: "extra_high" y expressiveness_boost: 1.0, y esa configuración de la API es la que HeyGen afirma que obtuvo el primer lugar en la tabla controlada. Si replicas la configuración de Studio en una migración, ya no estás reproduciendo la configuración que se evaluó en la clasificación, lo cual está bien si era tu intención, y un resultado de benchmark confuso si no lo era.

Una prueba que vale la pena hacer antes de cualquiera de las dos decisiones

El nivel gratuito lo hace lo bastante barato como para que no haya motivo para decidir a partir de una tabla de clasificación. heygen-voice-1-turbo-free reproduce voces públicas y clones instantáneos sin coste hasta el 30 de noviembre de 2026, sin necesidad de saldo de créditos y con la voz pública de HeyGen Nadine (83548de556df48ba8c09c42a57c51d85) publicada como punto de partida de una sola línea. Es un nivel de capacidad compartida: un 429 rate_limit_exceeded es de esperar bajo carga independientemente de tu propia tasa de solicitudes, no se garantiza el tiempo hasta el primer audio y una solicitud gratuita nunca pasa a ser una solicitud de pago.

Reproduce las mismas veinte líneas en Turbo Free y en tu modelo actual, con el mismo clon instantáneo, y escucha esas cosas que el promedio de la arena oculta: nombres de productos, números, fechas y todo aquello que dice tu marca y que nadie más dice. Si a tus oídos los dos resultan indistinguibles —lo que los siete puntos de Elo sugieren que ocurrirá—, la decisión se reduce a la factura, y la factura es de $48 frente a $360.

Si tu stack también llama a otros modelos de voz o de lenguaje, colocar las partes que no son de HeyGen detrás de una única clave con failover mantiene la comparación fuera de tu ruta de producción; HeyGen Voice Turbo no está en el catálogo de OrcaRouter, así que el lado de HeyGen de la prueba se ejecuta contra la API propia de HeyGen. Lo que un router sí te aporta aquí es la capacidad de ejecutar tanto los modelos de HeyGen como una voz de respaldo desde una única integración, de modo que un límite de velocidad o una caída del nuevo modelo no se conviertan en un silencio para el usuario.

La regla que se extrae de todo esto cabe en una frase: los clones instantáneos usan Turbo a menos que hayas medido una razón para no hacerlo, los clones profesionales usan HeyGen Voice porque nada más les da voz, y nadie debería elegir entre estos dos basándose en Elo.