HeyGen Voice Turbo vs HeyGen Voice : une baisse de prix de 7,5×, sept points Elo et une fonctionnalité que Turbo ne peut pas accomplir

Choisissez un nombre : douze millions de caractères par mois, soit environ vingt-cinq heures de narration. Aux tarifs affichés par Artificial Analysis pour les deux modèles vocaux de HeyGen, cette facture s’élève à 360 $ avec HeyGen Voice et à 48 $ avec HeyGen Voice Turbo. L’écart de qualité que le même classement indique entre eux est de sept points Elo, dans un classement où les trois meilleurs modèles occupent une seule et même bande statistique et où les intervalles de confiance des deux entrées HeyGen se chevauchent presque complètement. Lorsqu’un fournisseur révise ultérieurement un prix ou un score sur lequel une comparaison comme celle-ci s’est appuyée, la correction est consignée avec ses dates et ses sources dans the AI Incident Archive, aux côtés des autres défaillances de modèles et de fournisseurs que nous suivons.

Cette asymétrie, c’est toute la comparaison. HeyGen Voice Turbo et HeyGen Voice ne sont pas deux générations d’un même produit, la plus récente supplantant l’ancienne ; ils forment un seul produit scindé en deux selon une ligne qui traverse le type de voix, non la qualité. Choisir entre les deux n’est pas une question de jugement sur ce qui sonne mieux. C’est une question de savoir si vos voix sont des clones instantanés ou des clones professionnels, et la réponse est inscrite dans l’API.

Même point de terminaison, une chaîne différente

HeyGen propose les deux modèles derrière des corps de requête identiques. POST /v3/models/audio/tts renvoie un seul WAV mono 44,1 kHz une fois la synthèse terminée ; POST /v3/models/audio/tts/stream renvoie les parties audio ordonnées sous forme d'événements envoyés par le serveur. La seule chose qui change est le champ model : heygen-voice-1 est le modèle par défaut, heygen-voice-1-turbo sélectionne le moteur plus rapide, et heygen-voice-1-turbo-free est un palier gratuit à capacité limitée, ouvert jusqu'au 30 novembre 2026.

Les deux points de terminaison limitent le texte à 5 000 caractères de prose brute et ont tous deux une limite par défaut de 30 requêtes par minute par membre de l’espace de travail. Tous deux exigent une voix ACTIVE — une voix publique HeyGen ou un clone dans votre espace de travail. La séparation se fait un niveau au-dessus, au niveau de l’éligibilité des voix.

La ligne que Turbo ne franchit pas

Les clones professionnels ne fonctionnent que sur heygen-voice-1. Cette phrase figure dans la documentation de référence de HeyGen et elle énonce clairement la décision : une voix professionnelle entraînée sur vingt minutes ou plus d’audio ne peut être restituée par Turbo à aucun prix. Les clones instantanés — ceux créés à partir d’un seul enregistrement, généralement ACTIVE en quelques secondes, sans étape d’entraînement ni emplacement de clone — peuvent être restitués par l’un ou l’autre.

Tout le reste suit la même limite.

• Voix disponibles — Turbo : voix publiques et clones instantanés. HeyGen Voice : voix publiques, clones instantanés et clones professionnels.

• Expressivité — expressiveness_boost de 0,0 à 1,0 pour les deux, par défaut 1,0, et il ne s'applique qu'aux voix instantanées. Les voix professionnelles rejettent ce paramètre.

• Contrôles de prosodie — seed, speed (0,75 à 1,25), pitch_shift (−4 à +4 demi-tons) et pitch_variance (0,5 à 2,0) sont réservés aux professionnels. Les Instant voices, sur l’un ou l’autre modèle, les acceptent et les ignorent silencieusement, ce qu’il vaut mieux savoir avant de livrer une fonctionnalité dont les réglages ne font discrètement rien.

• Pauses — <break time="0.5s"/> les pauses allant jusqu’à cinq secondes fonctionnent sur les voix professionnelles. Les voix Instant, y compris Turbo, ne les respectent pas. Aucun autre SSML n’est pris en charge sur l’un ou l’autre modèle.

• Texte et débit — de 1 à 5 000 caractères par requête, 30 requêtes par minute par membre de l’espace de travail par défaut, à l’identique pour les deux.

• Langue — 42 codes de langue de base pour le clonage et la synthèse vocale, avec des étiquettes régionales telles que en-US et fr-CA normalisées vers la langue de base. Une étiquette régionale ne sélectionne aucun accent régional.

• Prix indiqué — Turbo 4,00 $ par million de caractères, HeyGen Voice 30,00 $, tous deux convertis par Artificial Analysis à partir de la tarification en crédits de HeyGen plutôt que publiés par HeyGen.

Ce que valent les sept Elo, et ce qu’ils ne valent pas

Lors du relevé du Controlled Voice Arena du 22 octobre 2026, HeyGen Voice Turbo se classe premier avec 1 202 Elo (±19) et HeyGen Voice deuxième avec 1 195 (±15). Les deux ont été évalués sur les mêmes huit voix de référence clonées — quatre américaines, quatre britanniques — de sorte que la comparaison est, par construction, à conditions égales, et c’est le seul résultat d’arène où les deux modèles peuvent être comparés dans des conditions identiques.

Sept points sur ce tableau ne constituent pas une marge significative. Le tableau regroupe les rangs un à trois dans une seule bande, 1-3, ce qui signifie que ses propres statistiques ne permettent pas de départager les trois premiers. L'intervalle de Turbo s'étend de 1 183 à 1 221 ; celui de HeyGen Voice va de 1 180 à 1 210. Ils se chevauchent sur 27 de leurs 39 et 31 points de largeur respectifs. Et les 1 685 échantillons de Turbo constituent l'échantillon le plus mince du top cinq, contre 1 964 pour HeyGen Voice et 2 593 pour Eleven v4 Turbo, deux places plus bas.

Ainsi, une lecture honnête de la colonne qualité aboutit à une égalité, avec un léger avantage en faveur de Turbo que quelques milliers de votes supplémentaires pourraient effacer dans un sens comme dans l’autre. Quiconque a besoin de classer ces deux modèles s’est appuyé sur un chiffre qui ne peut pas porter ce poids.

La colonne des prix, en revanche, est sans ambiguïté quant à sa direction, même si ses valeurs absolues sont dérivées. Artificial Analysis applique une méthode de conversion unique à tous les fournisseurs du tableau ; si cette méthode évalue mal le système de crédits de HeyGen, elle évalue mal les deux entrées HeyGen du même facteur, et un écart de 7,5× résiste à une erreur constante. Il ne résisterait pas à une erreur qui varie selon le palier de modèle — et rien de publié ne suggère que les deux paliers facturent les crédits différemment — mais c’est l’hypothèse à vérifier sur votre propre facture plutôt qu’à tenir pour acquise.

Là où « moins cher » cesse d’être la bonne question

Trois situations rendent l’égalité à sept points Elo sans objet, et l’écart de prix l’est tout autant.

Vous disposez de clones professionnels. Turbo ne peut pas les faire parler. La comparaison s'arrête avant même la question du coût. HeyGen conserve heygen-voice-1 comme valeur par défaut, précisément parce que les voix professionnelles en ont besoin, et aucun réenregistrement, aussi nombreux soient-ils, ne transforme un clone entraîné pendant vingt minutes en un clone instantané sans reconstruire la voix.

Vous avez besoin d'une sortie reproductible. Les seeds constituent un contrôle de la voix professionnelle, et Turbo ne prend pas du tout en charge les voix professionnelles. Si votre pipeline régénère une réplique et attend la même intonation, aucune des deux voies de voix instantanée ne vous offre ce levier.

Vous avez besoin d'une précision de synchronisation sur les voix instantanées. Les deux modèles acceptent with_timestamps et renvoient des heures de début et de fin par caractère — sur le point de terminaison synchrone sous la forme original_characters dans la réponse, sur le point de terminaison de streaming sous la forme d'événements character_alignment contenant à la fois le texte soumis et le texte normalisé réellement prononcé. Les horodatages ne coûtent rien sur l'un ou l'autre modèle, ce n'est donc pas un facteur différenciant ; c'est simplement la raison pour laquelle un pipeline de sous-titrage peut utiliser Turbo sans rien perdre.

Pour le reste — une voix de marque clonée à partir d’un court enregistrement, un agent de support, un lot de lignes courtes — Turbo est de la même classe de moteur pour une fraction du tarif, et les sept points d’Elo ne sont que du bruit.

La migration est une chaîne, et c’est là le piège.

Comme le corps de la requête ne change pas, le basculement tient à un seul champ. C’est aussi pour cela que les équipes basculent sans mesurer. Le mode de défaillance n’est pas un 400 ; c’est une voix qui, discrètement, ne peut pas être utilisée. Envoyez à Turbo un voice_id correspondant à une voix professionnelle, et la requête échoue — celle-là est explicite et sans gravité. Envoyez une voix instantanée avec speed: 1.1 et vous obtenez de l’audio à la vitesse par défaut sans erreur, car les voix instantanées acceptent le paramètre et l’ignorent. Un pipeline qui réglait la prosodie sur des voix instantanées n’obtenait déjà pas ce qu’il demandait ; passer à Turbo ne fait que rendre cette découverte plus probable.

Il y a un détail de migration qui est vraiment facile à manquer et qui est documenté : les voix instantanées créées avant HeyGen Voice 1 doivent être clonées à nouveau avant de pouvoir parler via cette génération du modèle. Un ancien espace de travail rempli de clones instantanés hérités ne fonctionnera pas simplement en changeant une chaîne de modèle.

Les valeurs par défaut propres à HeyGen méritent un coup d'œil avant de lancer votre benchmark, car le fournisseur utilise deux configurations. HeyGen Studio livre similarity: "max" au moment du clonage avec expressiveness_boost: 0.5 à la synthèse. Les valeurs par défaut de l'API sont similarity: "extra_high" et expressiveness_boost: 1.0, et c'est cette configuration de l'API que HeyGen dit avoir décroché la première place du classement contrôlé. Si vous reprenez les paramètres de Studio lors d'une migration, vous ne reproduisez plus la configuration évaluée par le classement — ce qui est très bien si c'était votre intention, mais donne un résultat de benchmark déroutant si ce n'était pas le cas.

Un test qui mérite d’être effectué avant l’une ou l’autre décision

Le niveau gratuit rend cela suffisamment abordable pour qu’il n’y ait aucune raison de choisir d’après un classement. heygen-voice-1-turbo-free propose des voix publiques et des clones instantanés gratuitement jusqu’au 30 novembre 2026, sans solde de crédits requis, et la voix publique HeyGen Nadine (83548de556df48ba8c09c42a57c51d85) publiée comme point de départ en une ligne. Il s’agit d’un palier à capacité partagée : 429 rate_limit_exceeded est attendu en cas de charge, indépendamment de votre propre débit de requêtes ; le délai avant le premier audio n’est pas garanti, et une requête gratuite ne se transforme jamais en requête payante.

Faites lire les mêmes vingt lignes sur Turbo Free et sur votre modèle actuel, avec le même clone instantané, puis écoutez ce que les moyennes de l’arène laissent disparaître : les noms de produits, les chiffres, les dates et tout ce que votre marque dit que personne d’autre ne dit. Si les deux sont indiscernables à votre oreille — ce que les sept points d’Elo laissent présager —, la décision se résume à la facture, et la facture est de 48 $ contre 360 $.

Si votre stack fait aussi appel à d’autres modèles vocaux ou linguistiques, placer les branches non-HeyGen derrière une seule clé avec basculement automatique garde la comparaison en dehors de votre chemin de production ; HeyGen Voice Turbo lui-même ne figure pas au catalogue d’OrcaRouter, donc le volet HeyGen du test s’exécute contre l’API propre à HeyGen. Ce qu’un routeur vous apporte ici, c’est de pouvoir faire tourner à la fois les modèles HeyGen et une voix de secours à partir d’une seule intégration, afin qu’une limite de débit ou une panne sur le nouveau modèle ne devienne pas un silence côté utilisateur.

La règle qui ressort de tout cela tient en une phrase : les clones instantanés utilisent Turbo, sauf si vous avez mesuré une raison de ne pas le faire ; les clones professionnels utilisent HeyGen Voice, parce que rien d’autre ne les fait parler ; et personne ne devrait choisir entre ces deux solutions sur la base de l’Elo.