HeyGen Voice Debut di Peringkat #1 di Controlled Voice TTS Arena — Mengalahkan Qwen dan ElevenLabs pada Suara Kloning

Pada 9 Oktober 2026, Artificial Analysis menambahkan HeyGen Voice ke arena Controlled Voice miliknya dan model itu langsung menempati puncaknya. HeyGen Voice — model text-to-speech pertama dari HeyGen yang dievaluasi di papan tersebut — mencetak 1.202 Elo, mengungguli Qwen-Audio-3.1-TTS-Plus pada 1.186 dan Eleven v4 Turbo milik ElevenLabs pada 1.167. Cartesia Sonic 3.6, yang memimpin papan Provider Voices terbuka milik situs itu, berada di peringkat kelima di sini dengan 1.143. Itu adalah hasil yang nyata pada papan peringkat yang dirancang untuk menghilangkan faktor pengganggu tunggal terbesar dalam evaluasi suara, dan itu juga merupakan hasil dengan makna yang sangat spesifik yang mudah ditafsirkan berlebihan: HeyGen Voice adalah suara terbaik di arena ini berdasarkan delapan suara referensi hasil kloning, belum menjadi juara terukur dari papan yang berisi sembilan puluh enam model.

Apa yang diukur oleh Controlled Voice board, dan mengapa itu penting

Artificial Analysis menjalankan dua papan peringkat speech dan keduanya menjawab pertanyaan yang berbeda. Arena Provider Voices memungkinkan setiap vendor memasok suara native-nya sendiri — suara demo yang dipoles yang dipilih perusahaan untuk mewakili dirinya sendiri — dan memeringkat model berdasarkan seberapa bagus suara itu terdengar. Papan peringkatnya luas dan matang: sembilan puluh enam entri, dengan Eleven v4 Turbo di puncak pada 1.328 Elo dan Cartesia Sonic 3.6 di posisi keempat pada 1.280.

Arena Controlled Voice melakukan sesuatu yang lebih sempit dan, bagi siapa pun yang merilis produk, lebih berguna. Setiap model di dalamnya menghasilkan ucapan dari delapan suara kloning yang sama — empat AS, empat Inggris — jadi perbandingannya bukan "suara pemasaran siapa yang lebih bagus" melainkan "bagaimana setiap mesin menangani suara yang sama, teks yang sama, dan kondisi perekaman yang sama." Ini adalah hal terdekat yang dimiliki industri untuk pengujian mesin secara setara alih-alih reel demo, dan ini adalah papan yang penting jika Anda berencana mengkloning suara dan menyerahkannya ke model TTS.

HeyGen Voice kini memimpinnya. Selisihnya adalah 16 Elo di atas Qwen-Audio-3.1-TTS-Plus dan 35 di atas Eleven v4 Turbo, dengan interval kepercayaan 95% yang dilaporkan sekitar 1.185 hingga 1.219 pada angka HeyGen. Enam belas Elo adalah selisih yang nyata tetapi bukan jurang — di papan yang sepadat ini, itu adalah perbedaan antara peringkat pertama dan kedua, bukan antara yang bisa dipakai dan tidak bisa dipakai.

Di mana HeyGen Voice belum diperingkat

Sisi jujur dari hasil ini adalah bahwa HeyGen Voice sama sekali tidak muncul di papan Provider Voices, dan ketidakhadirannya bukanlah sinyal tentang kualitas. Artificial Analysis mencatat bahwa model dapat dihilangkan karena belum memiliki cukup suara. Model yang baru berusia beberapa hari, dengan satu arena yang dinilai secara berbeda di belakangnya, memang belum mengumpulkan volume pendengar buta yang dibutuhkan papan yang lebih besar.

Jadi pembacaan yang benar pada 10 Oktober 2026 adalah: HeyGen Voice adalah suara berperingkat teratas dalam perbandingan suara kloning yang terkendali, sekaligus faktor yang belum diketahui bila dihadapkan pada kancah yang lebih luas. Siapa pun yang mengutip "model TTS terbaik di dunia" dari angka ini sedang mengutip papan yang lebih kecil daripada yang tersirat dalam kalimat itu.

Dua angka di balik Elo

• Elo Suara Terkontrol — HeyGen Voice: 1.202 (95% IK sekitar 1.185–1.219). Qwen-Audio-3.1-TTS-Plus: 1.186. Eleven v4 Turbo: 1.167.

• Elo Suara Penyedia — HeyGen Voice: tidak terdaftar (suara tidak mencukupi). Eleven v4 Turbo: 1.328 di #1. Sonic 3.6: 1.280 di #4.

• Peringkat di bidang terkontrol — HeyGen Voice: #1 dari 42 entri berperingkat (#42 adalah OpenVoice v2 pada 812).

• Harga berdasarkan basis perhitungan arena — HeyGen Voice: $30.00 per 1 juta karakter, konversi arena sendiri atas harga kredit HeyGen. Qwen-Audio-3.1-TTS-Plus: $19.30 per 1 juta karakter. Eleven v4 Turbo: $40.00 per 1 juta karakter.

• Titik acuan Elo — OpenAudio S1 adalah titik referensi tetap pada 1.000, sehingga HeyGen Voice berada 202 poin di atas titik acuan tersebut.

• Siapa lagi yang masuk dalam lima besar — Eleven v4 dengan 1.160 dan Sonic 3.6 dengan 1.143 melengkapi lima besar di belakang para pemimpin.

Apa yang sebenarnya dirilis oleh HeyGen

Mesin di balik entri ini adalah TTS internal HeyGen, yang diekspos di API v3 perusahaan. Panggilan GET /v3/voices menerima filter engine yang nilainya mencakup orca — mesin suara milik HeyGen sendiri — bersama starfish dan pass-through ke suara ElevenLabs. Rendering suara dijalankan melalui POST /v3/voices/speech; penyetelan per permintaan menyediakan speed dari 0,5 hingga 1,5 dan pitch dari −50 hingga +50 semiton, dengan petunjuk locale BCP-47.

Katalognya mencantumkan lebih dari 300 suara siap pakai dalam puluhan bahasa. Suara kustom tersedia dalam tiga varian: desain text-to-voice yang menghasilkan hingga tiga opsi berperingkat dari deskripsi yang dibatasi maksimal 1.000 karakter, klon instan dari satu rekaman, dan klon profesional yang dilatih dengan audio selama dua puluh menit atau lebih. Yang terakhir itulah bagian yang secara efektif diuji ketahanannya oleh papan peringkat Controlled Voice — delapan suara referensi itu adalah klon, dan kualitas klon adalah faktor yang membedakan mesin TTS.

Mesin juga disebutkan dalam dokumentasi sebagai dapat dipilih per suara, yang berarti HeyGen tidak memaksa Anda memakai modelnya: Anda dapat mengarahkan ke mesin suara pihak ketiga melalui API-nya jika Anda lebih memilihnya. Itu adalah cara vendor melakukan hedging terhadap modelnya sendiri, dan hal itu layak diketahui saat Anda membaca klaim "#1 voice" tentang HeyGen.

Apa dampak perubahan ini bagi siapa pun yang memilih suara

Tiga konsekuensi praktis menyusul ketika hasil suara terkendali tercapai, dan tidak satu pun di antaranya adalah 'ganti semuanya'.

Pertama, jika kasus penggunaan Anda adalah suara merek yang dikloning — satu pembicara, banyak baris — ini sekarang menjadi papan peringkat yang perlu dibaca, dan HeyGen Voice adalah model yang harus diuji terlebih dahulu. Papan peringkat yang menjaga suara tetap konstan mengukur hal yang sebenarnya akan Anda lakukan.

Kedua, jika kasus penggunaan Anda adalah kumpulan luas karakter yang terdengar seperti penutur asli dalam bahasa yang tidak dicakup klon Anda, papan Provider Voices dan sembilan puluh enam entrinya masih menjadi referensi yang relevan, dan HeyGen Voice belum memiliki peringkat di sana. Tidak ada apa pun dalam hasil suara yang dikloning yang memberi tahu Anda bagaimana mesin menangani seratus suara yang berbeda.

Ketiga, harga sekarang memiliki angka, tetapi bukan angka yang diterbitkan vendor. Arena mencantumkan HeyGen Voice pada $30,00 per 1 juta karakter, sebuah konversi Artificial Analysis dari sistem kredit yang tidak pernah diterjemahkan oleh halaman HeyGen sendiri menjadi tarif suara. Itu menempatkan pemimpin baru di bawah $40,00 milik Eleven v4 Turbo dan di atas $19,30 milik tingkat Qwen — harga di posisi menengah yang dilekatkan pada skor peringkat pertama, dan harga yang diturunkan, bukan dikutip.

Pertanyaan routing

Pemilihan suara memiliki sifat yang tidak dimiliki sebagian besar pilihan model: kegagalannya terdengar oleh pengguna akhir dalam rentang satu suku kata. Itu membuat migrasi murah untuk diuji dan mahal jika keliru di produksi. Menjalankan mesin baru di balik antarmuka yang sama dengan penyedia yang sedang berjalan — satu permukaan API, satu kunci, harga daftar penyedia diteruskan apa adanya alih-alih ditandai naik, dengan failover otomatis ke penyedia suara kedua saat permintaan gagal — adalah cara Anda mendapatkan jawaban nyata tentang audio Anda sendiri, bukan jawaban bagan Elo tentang delapan suara referensi. Lapisan routing OrcaRouter ada justru untuk bentuk keputusan seperti itu: tempatkan penantang pada sebagian kecil trafik, jaga penyedia yang sedang berjalan tetap siap, dan biarkan failover menutupi jendela saat model baru belum terbukti. Papan peringkat memberi tahu Anda ke mana harus melihat. Papan itu tidak bisa memberi tahu bagaimana naskah Anda terdengar.

Tontonan Berikutnya

Dua angka akan menyelesaikan cerita ini. Yang pertama adalah apakah HeyGen Voice mengumpulkan cukup suara untuk masuk ke papan Provider Voices, dan di posisi mana ia berada dibandingkan dengan 1.328 milik Eleven v4 Turbo — model yang memimpin papan itu tetapi tertinggal di arena terkontrol, yang justru merupakan celah yang ingin diungkap oleh kedua papan tersebut. Yang kedua adalah apakah HeyGen menerbitkan tarif suara miliknya sendiri, sehingga $30.00 yang telah dihitung oleh arena dapat dibandingkan dengan angka vendor alih-alih disimpulkan dari kredit. Sampai keduanya ada, debut #1 di papan terkontrol adalah klaim kuat tentang kualitas suara hasil kloning dan pertanyaan terbuka tentang segala hal lainnya.