HeyGen Voice Turbo ravit à HeyGen Voice la couronne de la voix contrôlée — et réduit de 87 % le prix Arena

Douze jours après que HeyGen Voice a atteint la première place sur Controlled Voice Arena d'Artificial Analysis, HeyGen l'y a remplacé par HeyGen Voice Turbo, un modèle vocal plus rapide et bien moins cher, mis en service sur l'API du fournisseur le 21 octobre 2026 sous l'identifiant de modèle heygen-voice-1-turbo. Consulté le matin du 22 octobre, le classement place HeyGen Voice Turbo en tête avec 1 202 Elo et son prédécesseur HeyGen Voice deuxième avec 1 195, Qwen-Audio-3.1-TTS-Plus d'A​libaba troisième avec 1 184. Le titre s'impose comme une histoire de succession — un fournisseur qui détrône son propre modèle — et ce cadrage n'est pas faux, mais c'est l'information la moins utile de la page. Le chiffre qui devrait changer une décision d'achat se trouve deux colonnes à droite, où le même classement indique le nouveau modèle à 4,00 $ par million de caractères, contre 30,00 $ pour celui qu'il a détrôné. Lorsqu'une inversion de classement comme celle-ci s'avère ensuite reposer sur un score obsolète ou réévalué, la correction est consignée avec ses dates et sources dans l'AI Incident Archive, aux côtés des autres défaillances de modèles et de fournisseurs que nous suivons.

Cela représente une réduction de 87 % du coût affiché, rattachée à un modèle mieux classé que celui qu'il remplace. Les deux chiffres proviennent de conversions par Artificial Analysis de la tarification en crédits de HeyGen, et non des tarifs publiés par HeyGen, ce qui a son importance et mérite d'être retenu — mais l'ampleur de l'écart est bien trop grande pour n'être qu'un artefact de conversion.

Ce que le conseil contrôlé dit réellement ce matin

La Controlled Voice Arena maintient le locuteur constant : chaque participant synthétise les mêmes huit voix de référence clonées, quatre américaines et quatre britanniques, et des auditeurs en aveugle choisissent la meilleure interprétation. C'est le classement qui mesure le moteur plutôt que la bande de démonstration du fournisseur, et c'est celui qu'il faut consulter si vous déployez une voix de marque clonée. Au 22 octobre 2026, le haut du classement se présente ainsi.

• Rang 1 — HeyGen Voice Turbo, 1 202 Elo, ±19 avec un niveau de confiance de 95 % (intervalle de 1 183 à 1 221), 1 685 échantillons, sorti en octobre 2026, 4,00 $ par million de caractères.

• Rang 2 — HeyGen Voice, 1 195 Elo, ±15 (intervalle de 1 180 à 1 210), 1 964 échantillons, publié en octobre 2026, 30,00 $ par million de caractères.

• Rang 3 — Qwen-Audio-3.1-TTS-Plus, 1 184 Elo, ±14 (intervalle de 1 170 à 1 198), 2 292 échantillons, 19,30 $ par million de caractères.

• Rangs 4 et 5 — Eleven v4 Turbo et Eleven v4, tous deux à 1 156 Elo, 40,00 $ et 80,00 $ par million de caractères.

• Rang 6 — Sonic 3.6, 1 151 Elo, 49,00 $ par million de caractères, sur 3 193 échantillons — le modèle le plus voté du top dix.

• Rang 7 — Inworld Realtime TTS-2, 1 145 Elo, 20,80 $ par million de caractères.

Deux détails de cette liste méritent plus d’attention que le classement. Le premier est la colonne des plages : Artificial Analysis regroupe les rangs un à trois dans une seule bande, 1-3, ce qui signifie que ses propres statistiques ne distinguent pas les trois meilleurs modèles. Le second est le nombre d’échantillons. HeyGen Voice Turbo compte 1 685 votes ; Eleven v4 Turbo, deux places en dessous, en a 2 593. La position du nouveau modèle en tête repose sur environ deux tiers des preuves dont disposent les modèles qu’il devance, et un intervalle de ±19 est le plus large du top cinq.

Sept Elo, ce n'est pas l'histoire. Quatre dollars, si.

Prenez les deux entrées HeyGen comme une paire, car elles partagent un point de terminaison, un fournisseur et désormais un voisinage dans le classement. L’écart entre elles est de sept points Elo, et leurs intervalles de confiance se chevauchent sur presque toute leur largeur : 1 183 à 1 221 contre 1 180 à 1 210. Personne ne devrait choisir entre ces deux modèles sur la qualité. Toute différence qui existe en matière de naturalité de la voix clonée est plus petite que l’incertitude de la mesure.

L’écart de prix n’est pas plus petit que l’incertitude. Il est d’un facteur 7,5.

D'abord, la mise en garde, car elle est réelle : HeyGen ne publie pas de tarif vocal par caractère. Sa page de tarifs publique vend des crédits — 600 crédits sur une offre, 1 000 sur une autre, des allocations plus importantes sur les forfaits annuels — et n'indique jamais combien de caractères un crédit permet d'acheter. Les chiffres de $4.00 et $30.00 sont la conversion propre à Artificial Analysis, appliquée de manière cohérente à tous les fournisseurs du tableau afin que les modèles puissent être comparés. Ce sont des nombres dérivés. Ce qui rend néanmoins la comparaison utilisable, c'est que la même conversion a produit les deux chiffres : si la conversion est erronée, elle l'est pour les deux, et un ratio de 7,5× survit à une erreur constante.

Il existe un troisième palier tarifaire qui n'apparaît pas du tout dans le classement. HeyGen propose un niveau gratuit de ce modèle, heygen-voice-1-turbo-free, jusqu'au 30 novembre 2026. Il utilise les voix publiques et les clones instantanés, ne nécessite aucun solde de crédits et est explicitement documenté pour les tests, les prototypes et de petites quantités de parole. Il n'est pas non plus explicitement garanti : la disponibilité du service, le temps de réponse et le délai avant le premier audio sont tous exclus de toute garantie, la capacité est partagée entre tous les utilisateurs gratuits, et une requête peut renvoyer HTTP 429 rate_limit_exceeded alors même que vous restez confortablement sous votre propre limite de 30 requêtes par minute. Une requête gratuite ne bascule jamais silencieusement vers le modèle payant — vous devez envoyer une nouvelle requête avec heygen-voice-1-turbo et accepter la facturation. Pour un usage en production, prévoyez le budget du modèle payant et considérez le niveau gratuit comme un moyen d'écouter le moteur sur votre propre script cette semaine.

À quoi Turbo renonce pour atteindre ce chiffre

La réduction n’est pas une promotion tarifaire déguisée en lancement de modèle. Il s’agit d’un produit au périmètre plus restreint, et cette restriction est clairement documentée dans la référence vocale de HeyGen.

• Types de voix — heygen-voice-1-turbo accepte uniquement les voix publiques et les clones instantanés. Les clones professionnels ne sont pas pris en charge. Le modèle heygen-voice-1 par défaut reste celui qui restitue les voix professionnelles.

• Contrôles par requête — Turbo accepte expressiveness_boost de 0,0 à 1,0 et rien d'autre dans le jeu de prosodie. seed, speed, pitch_shift et pitch_variance sont acceptés et ignorés pour les voix instantanées, y compris Turbo. Les voix professionnelles rejettent expressiveness_boost catégoriquement.

• Pauses — les voix professionnelles observent <break> des pauses pouvant aller jusqu'à cinq secondes. Les voix instantanées, y compris Turbo, ne le font pas. Aucune des deux ne prend en charge d'autres balises SSML.

• Longueur du texte — 1 à 5 000 caractères de prose simple par requête, sur les deux modèles.

• Limite de débit — 30 requêtes par minute par membre de l'espace de travail par défaut, sur les deux points de terminaison, ajustable par compte.

• Sortie — un WAV PCM16 mono à 44,1 kHz pour le point de terminaison synchrone ; des parties WAV ordonnées et encodées en base64 via des événements envoyés par le serveur sur /tts/stream. Chaque partie diffusée en flux est un conteneur WAV complet ; elle doit donc être décodée individuellement plutôt que concaténée.

Lisez cette liste comme la description du client que Turbo cible : quelqu’un qui génère des répliques courtes avec une voix qu’il a clonée en quelques secondes, à grande échelle, pour qui l’absence de réglage de la hauteur n’a pas d’importance, mais où un écart de tarif de 7,5× en a. Si votre pipeline dépend d’un clonage professionnel de vingt minutes et de graines reproductibles, Turbo n’est pas une version moins chère de votre modèle actuel — c’est un modèle différent qui ne peut pas faire votre travail.

L'affirmation qu'HeyGen formule dans sa propre documentation

La référence Text to Speech de HeyGen indique que les valeurs par défaut de son API — similarity : « extra_high » pour le clonage et expressiveness_boost : 1.0 pour la parole — constituent la configuration qui « a pris la première place sur le classement Artificial Analysis Controlled Voice ». Il s'agit d'une affirmation d'un fournisseur concernant un classement indépendant, et elle se trouve être vérifiable : le classement montre bien un modèle HeyGen en première position. L'affirmation est également plus étroite qu'elle n'en a l'air. Elle décrit une configuration d'un modèle sur l'un des deux classements vocaux d'Artificial Analysis, et elle ne dit rien de la position dans le classement du catalogue vocal du fournisseur dans son ensemble.

Notez l'incohérence qu'il vaut la peine de connaître avant de copier les valeurs par défaut : HeyGen Studio est livré avec similarity: "max" et expressiveness_boost: 0.5, tandis que l'API utilise par défaut la paire à similarité plus élevée et à expressivité maximale. Le résultat du classement a été produit avec les valeurs par défaut de l'API. Si vous ajustez les réglages pour obtenir une chaleur de type Studio, vous n'exécutez plus la configuration à laquelle l'Elo correspond.

Trois choses que ce classement ne mesure pas

Premièrement, HeyGen n’a aucune entrée dans le Provider Voice Arena — le classement complémentaire où chaque fournisseur utilise ses propres voix natives et où 98 modèles sont classés. Ce tableau est dominé par Eleven v4 Turbo avec 1 335, Inworld Realtime TTS-2 étant sixième avec 1 267. Artificial Analysis omet les modèles qui n’ont pas assez de votes, donc l’absence n’est pas un verdict sur la qualité ; cela signifie toutefois qu’il n’existe aucun chiffre indépendant sur la façon dont le catalogue propre à HeyGen sonne pour un public général. Si vous choisissez parmi des voix de narrateur standard plutôt que de cloner, le chiffre central de cet article ne s’applique pas à vous.

Deuxièmement, le classement contrôlé est établi par langue, et HeyGen Voice Turbo apparaît en tête des classements anglais et sur le classement allemand — mais il est absent des onglets japonais, chinois, français, espagnol, portugais, vietnamien, arabe et hindi. Étant donné que HeyGen documente 42 codes de langue de base pour le clonage et la parole, l’explication la plus probable est le volume de votes plutôt que la capacité. Néanmoins, une couronne anglophone reste une couronne anglophone, et toute personne proposant une narration multilingue devrait consulter l’onglet pertinent avant de supposer que le résultat se transpose.

Troisièmement, l’arène évalue l’audio, pas l’étape de clonage qui a produit la voix. La question de savoir si un clone instantané à partir de quelques secondes d’audio de référence préserve un locuteur spécifique est une question distincte, que personne ici ne mesure.

Que se passe-t-il le 1er décembre

La question ouverte la plus concrète n’est pas de savoir si Turbo occupe la première place — un avantage de sept points dans des intervalles qui se chevauchent pourrait s’inverser lors du prochain passage de notation sans que rien ne change chez HeyGen. C’est de savoir combien coûtera le modèle après la fin de l’offre gratuite, le 30 novembre 2026.

Deux scénarios sont plausibles. La conversion à $4.00 pourrait être le prix en régime stable d’un modèle de voix instantanée délibérément bon marché, auquel cas le classement contrôlé comporte désormais une entrée en tête à un cinquième de la médiane du secteur. Ou bien Turbo Free pourrait être un canal d’acquisition et le tarif payant pourrait évoluer une fois qu’il prend fin. HeyGen affirme qu’il préviendra les utilisateurs avant tout changement de l’offre, ce qui constitue le seul engagement rendu public. Tant qu’une grille tarifaire de fournisseur n’existe pas, chaque prix indiqué ici est une inférence — une bonne inférence, appliquée de manière cohérente, et qui reste une inférence.

Pour les équipes qui exploitent déjà un pipeline vocal, le geste pratique cette semaine est simple et peu coûteux : faites passer vingt de vos propres répliques par heygen-voice-1-turbo-free avec un clone instantané, puis faites passer ces mêmes vingt répliques par la solution que vous utilisez aujourd'hui. L'arène vous a dit que les moteurs sont proches sur huit voix de référence. Elle ne peut pas vous dire si Turbo gère correctement vos noms de produits, vos nombres et vos pauses. Si vous faites aussi appel à des modèles de langage ou à l'un des modèles vocaux hébergés du catalogue d'OrcaRouter, ceux-ci peuvent se trouver derrière une seule clé avec bascule automatique en cas de défaillance, ce qui garde l'expérience à l'écart de votre environnement de production — toutefois, HeyGen Voice Turbo lui-même n'y est pas routé, donc la série de comparaison doit passer par l'API propre à HeyGen.

L’histoire de la succession, en fin de compte, est la lecture la moins intéressante. Un fournisseur qui améliore son propre modèle de sept points Elo en douze jours, c’est un progrès ordinaire. Un fournisseur qui livre son meilleur moteur de voix clonée à environ un septième du coût affiché du précédent, c’est un changement dans ce qu’une couche vocale est autorisée à coûter — et c’est la phrase à emporter dans une conversation budgétaire.