HeyGen Voice Turbo conquista la corona della voce controllata, strappandola a HeyGen Voice — e taglia dell'87% il prezzo dell'Arena

Dodici giorni dopo che HeyGen Voice ha raggiunto il primo posto nella Controlled Voice Arena di Artificial Analysis, HeyGen l'ha sostituito in quella posizione con HeyGen Voice Turbo, un modello vocale più veloce e molto più economico, reso disponibile sull'API del fornitore il 21 ottobre 2026 con l'ID modello heygen-voice-1-turbo. Letta la mattina del 22 ottobre, la classifica colloca HeyGen Voice Turbo al primo posto con 1.202 Elo e il suo predecessore HeyGen Voice al secondo con 1.195, con Qwen-Audio-3.1-TTS-Plus di Alibaba al terzo con 1.184. Il titolo si scrive da solo come una storia di successione — un fornitore che batte se stesso — e questa inquadratura non è sbagliata, ma è la cosa meno utile della pagina. Il numero che dovrebbe cambiare una decisione d'acquisto si trova due colonne a destra, dove la stessa classifica indica il nuovo modello a 4,00 $ per milione di caratteri contro 30,00 $ per quello che ha sostituito. Quando un ribaltamento della classifica come questo si rivela in seguito basato su un punteggio obsoleto o ricalcolato, la correzione viene registrata con le relative date e fonti in l'AI Incident Archive, insieme al resto dei guasti di modelli e fornitori che monitoriamo.

Si tratta di una riduzione dell’87% del costo indicato, relativa a un modello che si posiziona più in alto del modello che sostituisce. Entrambe le cifre sono conversioni di Artificial Analysis dei prezzi in crediti di HeyGen, non tariffe pubblicate da HeyGen, il che è importante e vale la pena tenerlo a mente — ma la direzione del divario è fin troppo ampia per essere un artefatto di conversione.

Cosa dice davvero questa mattina il consiglio controllato

Il Controlled Voice Arena mantiene costante il parlante: ogni partecipante sintetizza le stesse otto voci di riferimento clonate, quattro statunitensi e quattro britanniche, e ascoltatori in cieco scelgono la resa migliore. È la classifica che misura il motore, non il reel dimostrativo del fornitore, ed è quella giusta da leggere se distribuisci una voce di marca clonata. Al 22 ottobre 2026, la vetta recita così.

Classifica 1 — HeyGen Voice Turbo, 1.202 Elo, ±19 con una confidenza del 95% (intervallo da 1.183 a 1.221), 1.685 campioni, rilasciato a ottobre 2026, 4,00 $ per milione di caratteri.

• Posizione 2 — HeyGen Voice, 1.195 Elo, ±15 (intervallo da 1.180 a 1.210), 1.964 campioni, rilasciato a ottobre 2026, 30,00 $ per milione di caratteri.

• 3° posto — Qwen-Audio-3.1-TTS-Plus, 1.184 Elo, ±14 (intervallo da 1.170 a 1.198), 2.292 campioni, 19,30 $ per milione di caratteri.

• Posizioni 4 e 5 — Eleven v4 Turbo ed Eleven v4, entrambi a 1.156 Elo, 40,00 $ e 80,00 $ per milione di caratteri.

• Posizione 6 — Sonic 3.6, 1.151 Elo, $49,00 per milione di caratteri, su 3.193 campioni — il modello più votato nella top ten.

• Posizione 7 — Inworld Realtime TTS-2, 1.145 Elo, 20,80 $ per milione di caratteri.

Due dettagli in quell'elenco meritano più attenzione dell'ordinamento. Il primo è la colonna dell'intervallo: Artificial Analysis stampa i ranghi da uno a tre come un'unica fascia, 1-3, il che significa che le sue stesse statistiche non separano i primi tre modelli. Il secondo è il numero di campioni. HeyGen Voice Turbo ha 1.685 voti; Eleven v4 Turbo, due posizioni più in basso, ne ha 2.593. La posizione del nuovo modello in cima si basa su circa due terzi delle evidenze dei modelli che sta superando, e un intervallo di ±19 è il più ampio tra i primi cinque.

Sette Elo non è la questione. Quattro dollari sì.

Considera le due voci HeyGen come una coppia, perché condividono un endpoint, un fornitore e ora anche una zona vicina nella classifica. Tra loro ci sono sette punti Elo di distanza, e i loro intervalli di confidenza si sovrappongono per quasi tutta la loro ampiezza: da 1.183 a 1.221 contro da 1.180 a 1.210. Nessuno dovrebbe scegliere tra questi due modelli in base alla qualità. Qualsiasi differenza esista nella naturalezza della voce clonata è inferiore all’incertezza della misurazione.

La differenza di prezzo non è inferiore all’incertezza. È pari a un fattore di 7,5.

L’avvertenza innanzitutto, perché è reale: HeyGen non pubblica una tariffa per la voce per carattere. La sua pagina dei prezzi pubblica crediti — 600 crediti su un livello, 1.000 su un altro, allocazioni maggiori sui piani annuali — e non indica mai quanti caratteri si ottengono con un credito. Le cifre di 4,00 $ e 30,00 $ sono una conversione elaborata da Artificial Analysis stessa, applicata in modo coerente a ogni fornitore della tabella affinché i modelli possano essere confrontati. Sono numeri derivati. Ciò che rende comunque utilizzabile il confronto è che la stessa conversione ha prodotto entrambe le cifre: se la conversione è sbagliata, lo è per entrambe, e un rapporto di 7,5× sopravvive a un errore costante.

C'è una terza fascia di prezzo che non compare affatto nella classifica. HeyGen sta offrendo un livello gratuito di questo modello, heygen-voice-1-turbo-free, fino al 30 novembre 2026. Offre voci pubbliche e cloni istantanei, non richiede un saldo di crediti ed è esplicitamente documentato per test, prototipi e piccoli volumi di parlato. Inoltre non è in alcun modo garantito: disponibilità del servizio, tempo di risposta e tempo al primo audio sono tutti esplicitamente esclusi da garanzia, la capacità è condivisa tra tutti gli utenti gratuiti e una richiesta può restituire HTTP 429 rate_limit_exceeded anche quando sei comodamente sotto il tuo limite personale di 30 richieste al minuto. Una richiesta gratuita non passa mai silenziosamente al modello a pagamento — devi inviare una nuova richiesta con heygen-voice-1-turbo e accettare l'addebito. Per un percorso di produzione, prevedi un budget per il modello a pagamento e considera il livello gratuito come un modo per ascoltare il motore sul tuo script questa settimana.

A cosa rinuncia Turbo per raggiungere quel numero

Lo sconto non è una promozione di prezzo mascherata da lancio di un modello. È un prodotto più limitato, e questa limitazione è documentata chiaramente nel riferimento speech di HeyGen.

• Tipi di voce — heygen-voice-1-turbo accetta solo voci pubbliche e cloni istantanei. I cloni professionali non sono supportati. Il modello predefinito heygen-voice-1 resta il modello che utilizza le voci professionali.

• Controlli per singola richiesta — Turbo accetta expressiveness_boost da 0.0 a 1.0 e nient'altro nel set di prosodia. seed, speed, pitch_shift e pitch_variance vengono accettati e ignorati sulle voci instant, Turbo incluso. Le voci professionali rifiutano expressiveness_boost del tutto.

• Pause — le voci professionali effettuano<break> pause fino a cinque secondi. Le voci istantanee, Turbo incluso, non lo fanno. Gli altri elementi SSML non sono supportati in nessuno dei due casi.

• Lunghezza del testo — da 1 a 5.000 caratteri di prosa semplice per richiesta, su entrambi i modelli.

• Limite di frequenza — 30 richieste al minuto per membro del workspace per impostazione predefinita, su entrambi gli endpoint, regolabile per account.

• Output: un WAV mono PCM16 a 44,1 kHz per l'endpoint sincrono; parti WAV codificate in base64 e ordinate tramite server-sent events su /tts/stream. Ogni parte trasmessa in streaming è un contenitore WAV completo, quindi deve essere decodificata singolarmente anziché concatenata.

Leggi quell'elenco come la descrizione del cliente a cui è rivolto Turbo: qualcuno che genera brevi battute con una voce clonata in pochi secondi, su larga scala, per cui l'assenza di un controllo dell'intonazione è irrilevante e una differenza di tariffa di 7,5× non lo è. Se la tua pipeline dipende da un clone professionale realizzato in venti minuti e da seed riproducibili, Turbo non è una versione più economica del tuo modello attuale — è un modello diverso che non può svolgere il tuo lavoro.

L'affermazione che HeyGen fa nella propria documentazione

La guida di riferimento di Text to Speech di HeyGen afferma che i valori predefiniti della propria API — similarity: "extra_high" per la clonazione e expressiveness_boost: 1.0 per la sintesi vocale — sono la configurazione che "ha ottenuto il primo posto nella classifica Controlled Voice di Artificial Analysis". Si tratta di un'affermazione del fornitore su una classifica indipendente, e si dà il caso che sia verificabile: la classifica mostra effettivamente un modello HeyGen al primo posto. L'affermazione è inoltre più ristretta di quanto sembri. Descrive una configurazione di un modello in una delle due classifiche vocali di Artificial Analysis e non dice nulla sulla posizione in classifica del catalogo vocale del fornitore nel suo complesso.

Nota la discrepanza che vale la pena conoscere prima di copiare i valori predefiniti: HeyGen Studio include similarity: "max" e expressiveness_boost: 0.5, mentre l'API usa come impostazione predefinita la coppia con similarità più alta e massima espressività. Il risultato della classifica è stato prodotto con i valori predefiniti dell'API. Se ottimizzi per un calore simile a Studio, non stai più eseguendo la configurazione a cui appartiene l'Elo.

Tre cose che questa classifica non misura

Innanzitutto, HeyGen non ha alcuna voce nel Provider Voice Arena — la classifica complementare in cui ogni fornitore utilizza le proprie voci native e sono classificati 98 modelli. Quella classifica è guidata da Eleven v4 Turbo con 1.335, con Inworld Realtime TTS-2 al sesto posto con 1.267. Artificial Analysis omette i modelli che non hanno abbastanza voti, quindi l'assenza non è un giudizio sulla qualità; significa però che non esiste un numero indipendente su come il catalogo di voci di HeyGen suona a un pubblico generale. Se stai scegliendo tra voci narranti predefinite invece di clonare, il numero centrale di questo articolo non si applica al tuo caso.

In secondo luogo, la classifica controllata viene eseguita per lingua, e HeyGen Voice Turbo appare in cima alle classifiche inglesi e sulla classifica tedesca — ma è assente dalle schede giapponese, cinese, francese, spagnola, portoghese, vietnamita, araba e hindi. Dato che HeyGen documenta 42 codici di lingua base per clonazione e parlato, la spiegazione più probabile è il volume dei voti piuttosto che la capacità. Tuttavia, una corona in lingua inglese è una corona in lingua inglese, e chiunque produca narrazioni multilingue dovrebbe leggere la scheda pertinente prima di dare per scontato che il risultato sia valido altrove.

Terzo, l'arena valuta l'audio, non la fase di clonazione che ha prodotto la voce. Se un clone istantaneo ottenuto da pochi secondi di audio di riferimento preservi uno specifico interlocutore è una questione separata, che qui nessuno misura.

Cosa succede il 1 dicembre

La questione aperta più concreta non è se Turbo conservi il primo posto — un vantaggio di sette punti all'interno di intervalli sovrapposti potrebbe ribaltarsi al prossimo passaggio di valutazione senza che nulla cambi in HeyGen. È quanto costerà il modello dopo la chiusura del piano gratuito il 30 novembre 2026.

Due scenari sono plausibili. La conversione a $4.00 potrebbe essere il prezzo a regime di un modello vocale istantaneo deliberatamente economico, nel qual caso la classifica controllata ora ha una voce in cima alla classifica a un quinto della mediana del gruppo. Oppure Turbo Free potrebbe essere un canale di acquisizione e la tariffa a pagamento potrebbe cambiare una volta che termina. HeyGen afferma che avviserà gli utenti prima che l'offerta cambi, che è l'unico impegno ufficiale. Finché non esiste un listino prezzi del fornitore, ogni prezzo qui è un'inferenza: una buona inferenza, applicata coerentemente, e comunque un'inferenza.

Per i team che hanno già una pipeline vocale in funzione, la mossa pratica questa settimana è piccola ed economica: sintetizzare venti delle vostre battute con heygen-voice-1-turbo-free usando un clone istantaneo, e sintetizzare le stesse venti con qualunque strumento usiate oggi. L'arena vi ha detto che i motori sono vicini su otto voci di riferimento. Non può dirvi se Turbo gestisce i nomi dei vostri prodotti, i vostri numeri e le vostre pause. Se chiamate anche modelli linguistici o uno dei modelli vocali ospitati nel catalogo di OrcaRouter, questi possono stare dietro un'unica chiave con failover automatico, il che tiene l'esperimento fuori dal vostro percorso di produzione — anche se HeyGen Voice Turbo stesso non è instradato lì, quindi la prova comparativa deve passare attraverso l'API proprietaria di HeyGen.

La storia della successione, in fin dei conti, è la lettura meno interessante. Un fornitore che migliora il proprio modello di sette Elo in dodici giorni fa progressi ordinari. Un fornitore che rilascia il suo miglior motore di clonazione vocale a circa un settimo del costo di listino del precedente cambia ciò che a uno strato vocale è consentito costare — e questa è la frase da portare in una conversazione sul budget.