HeyGen Voice Turbo vs HeyGen Voice: un taglio di prezzo di 7,5×, sette punti Elo e una funzione che Turbo non è in grado di fare

Prendiamo un numero: dodici milioni di caratteri al mese, circa venticinque ore di narrazione. Ai prezzi indicati di Artificial Analysis per i due modelli vocali di HeyGen, quel conto ammonta a $360 su HeyGen Voice e $48 su HeyGen Voice Turbo. La differenza di qualità che la stessa classifica riporta tra loro è di sette punti Elo, su una classifica in cui i primi tre modelli occupano un'unica fascia statistica e gli intervalli di confidenza delle due voci HeyGen si sovrappongono quasi completamente.Quando in seguito un fornitore ridichiara un prezzo o un punteggio su cui si basava un confronto come questo, la correzione viene registrata con le relative date e fonti in l'AI Incident Archive, accanto al resto dei malfunzionamenti di modelli e fornitori che monitoriamo.

Quell'asimmetria è l'intero confronto. HeyGen Voice Turbo e HeyGen Voice non sono due generazioni di un unico prodotto, con quella più recente che sostituisce quella più vecchia; sono un unico prodotto diviso in due lungo una linea che attraversa il tipo di voce, non la qualità. Scegliere tra i due non è una questione di valutazione su quale suoni meglio. È una domanda su se le tue voci sono cloni istantanei o cloni professionali, e la risposta è scritta nell'API.

Stesso endpoint, una stringa diversa

HeyGen fornisce entrambi i modelli con corpi di richiesta identici. POST /v3/models/audio/tts restituisce un WAV mono a 44,1 kHz al termine della sintesi; POST /v3/models/audio/tts/stream restituisce parti audio ordinate come eventi inviati dal server. L'unica cosa che cambia è il campo model: heygen-voice-1 è quello predefinito, heygen-voice-1-turbo seleziona il motore più veloce, e heygen-voice-1-turbo-free è un livello gratuito con capacità limitata aperto fino al 30 novembre 2026.

Entrambi gli endpoint limitano il testo a 5.000 caratteri di prosa semplice ed entrambi prevedono per impostazione predefinita 30 richieste al minuto per membro del workspace. Entrambi richiedono una voce ACTIVE — una voce pubblica HeyGen o un clone nel tuo workspace. La distinzione avviene un livello sopra, ovvero nell'idoneità della voce.

La linea che Turbo non oltrepassa

I cloni professionali funzionano solo con heygen-voice-1. Questa frase compare nella documentazione di riferimento di HeyGen ed è la decisione, dichiarata chiaramente: una voce professionale addestrata su venti minuti o più di audio non può essere utilizzata da Turbo a nessun prezzo. I cloni istantanei — quelli creati da una singola registrazione, di solito ATTIVI in pochi secondi, senza una fase di addestramento o uno slot per cloni — possono essere utilizzati con entrambi.

Tutto il resto segue lo stesso confine.

• Voci disponibili — Turbo: voci pubbliche e cloni istantanei. HeyGen Voice: voci pubbliche, cloni istantanei e cloni professionali.

• Espressività — expressiveness_boost da 0.0 a 1.0 su entrambi, predefinito 1.0, e si applica solo alle voci istantanee. Le voci professionali rifiutano il parametro.

• Controlli prosodici — seed, speed (0.75 a 1.25), pitch_shift (−4 a +4 semitoni) e pitch_variance (0.5 a 2.0) sono riservati alla modalità professionale. Le Instant voices, su entrambi i modelli, li accettano e li ignorano silenziosamente, cosa che è bene sapere prima di rilasciare una funzionalità le cui impostazioni non fanno nulla in silenzio.

• Pause — <break time="0.5s"/> le pause fino a cinque secondi funzionano sulle voci professionali. Le voci istantanee, Turbo inclusa, non le rispettano. Nessun altro SSML è supportato da nessuno dei due modelli.

Testo e frequenza — da 1 a 5.000 caratteri per richiesta, 30 richieste al minuto per membro del workspace per impostazione predefinita, identici in entrambi i casi.

• Lingua — 42 codici lingua di base per la clonazione e la sintesi vocale, con tag regionali come en-US e fr-CA che vengono normalizzati alla lingua di base. Un tag regionale non seleziona alcun accento regionale.

• Prezzo di listino — Turbo 4,00 $ per milione di caratteri, HeyGen Voice 30,00 $, entrambi convertiti da Artificial Analysis a partire dal prezzo in crediti di HeyGen anziché pubblicati da HeyGen.

Quanto valgono i sette punti Elo, e cosa non valgono

Nella classifica del Controlled Voice Arena del 22 ottobre 2026, HeyGen Voice Turbo occupa il primo posto con 1.202 Elo (±19) e HeyGen Voice il secondo con 1.195 (±15). Entrambi sono stati valutati sulle stesse otto voci di riferimento clonate — quattro statunitensi, quattro britanniche — quindi il confronto è omogeneo per costruzione, ed è l'unico risultato dell'arena in cui i due modelli possono essere mantenuti a condizioni identiche.

Sette punti su quella tabella non rappresentano un margine significativo. La tabella stampa i ranghi da uno a tre come un'unica fascia, 1-3, il che significa che le sue stesse statistiche non consentono di ordinare i primi tre. L'intervallo di Turbo va da 1.183 a 1.221; quello di HeyGen Voice va da 1.180 a 1.210. Si sovrappongono per 27 dei rispettivi 39 e 31 punti di ampiezza. E i 1.685 campioni di Turbo sono la prova più esigua tra i primi cinque, contro i 1.964 di HeyGen Voice e i 2.593 di Eleven v4 Turbo due posizioni più in basso.

Quindi, una lettura onesta della colonna qualità indica un pareggio, con un leggero vantaggio a favore di Turbo che qualche migliaio di voti in più potrebbe cancellare in una direzione o nell'altra. Chiunque abbia bisogno che questi due modelli siano classificati si è ritrovato con un numero che non può reggere il peso.

La colonna dei prezzi, al contrario, è inequivocabile nella direzione anche se i suoi valori assoluti sono derivati. Artificial Analysis applica un unico metodo di conversione a ogni fornitore presente nella tabella; se quel metodo valuta in modo errato il sistema di crediti di HeyGen, sbaglia entrambe le voci di HeyGen dello stesso fattore, e 7,5× sopravvive a un errore costante. Non sopravviverebbe a un errore che varia in base al livello del modello — e nulla di pubblicato suggerisce che i due livelli fatturino i crediti in modo diverso — ma questa è l'ipotesi da verificare sulla propria fattura anziché dare per scontata.

Dove «più economico» smette di essere la domanda giusta

Tre situazioni rendono irrilevante la parità di sette Elo e, con essa, anche il divario di prezzo.

Hai cloni professionali. Turbo non può dar loro voce. Il confronto si conclude prima ancora del costo. HeyGen mantiene heygen-voice-1 come impostazione predefinita proprio perché le voci professionali ne hanno bisogno, e nessuna riregistrazione, per quanto ripetuta, trasforma un clone addestrato in venti minuti in un clone istantaneo senza ricostruire la voce.

Ti serve un output riproducibile. I seed sono un controllo delle voci professionali, e Turbo non supporta affatto le voci professionali. Se la tua pipeline rigenera una riga e si aspetta la stessa resa, nessuno dei due percorsi di voce istantanea ti offre questa leva.

È necessaria precisione temporale sulle voci istantanee. Entrambi i modelli accettano with_timestamps e restituiscono orari di inizio e fine per carattere — sull'endpoint sincrono come original_characters nella risposta, sull'endpoint di streaming come eventi character_alignment che contengono sia il testo inviato sia il testo normalizzato effettivamente pronunciato. I timestamp non costano nulla su nessuno dei due modelli, quindi non rappresentano un elemento distintivo; sono semplicemente il motivo per cui una pipeline di sottotitolazione può usare Turbo senza perdere nulla.

Per tutto il resto — una voce di brand clonata da una breve registrazione, un agente di supporto, una serie di righe brevi — Turbo è la stessa classe di motore a una frazione del prezzo, e i sette punti Elo sono rumore.

La migrazione è una stringa, e questa è la trappola

Poiché il corpo della richiesta non cambia, il passaggio richiede un solo campo. È anche per questo che i team effettuano il passaggio senza misurare. La modalità di errore non è un 400; è una voce che non può essere usata senza alcun avviso. Invia un voice_id professionale a Turbo e la richiesta fallisce — quello è evidente e va bene. Invia una voce istantanea con speed: 1.1 e ottieni audio alla velocità predefinita senza alcun errore, perché le voci istantanee accettano e ignorano il parametro. Una pipeline che stava ottimizzando la prosodia su voci istantanee non otteneva già ciò che chiedeva; passare a Turbo non fa che rendere più probabile la scoperta.

C'è un dettaglio di migrazione che è davvero facile lasciarsi sfuggire ed è documentato: le voci istantanee create prima di HeyGen Voice 1 devono essere clonate di nuovo prima di poter parlare tramite questa generazione del modello. Un workspace più datato pieno di cloni istantanei legacy non funzionerà semplicemente cambiando una stringa del modello.

Vale la pena dare un'occhiata ai valori predefiniti di HeyGen prima di eseguire un benchmark, perché il fornitore utilizza due configurazioni. HeyGen Studio adotta similarity: "max" al momento della clonazione con expressiveness_boost: 0.5 in fase di sintesi. I valori predefiniti dell'API sono similarity: "extra_high" e expressiveness_boost: 1.0, e quella configurazione API è quella che, secondo HeyGen, ha conquistato il primo posto nella classifica controllata. Se replichi le impostazioni di Studio in una migrazione, non stai più riproducendo la configurazione valutata dalla classifica — il che va bene, se era tua intenzione, e un risultato di benchmark confuso se non lo era.

Un test che vale la pena eseguire prima di entrambe le decisioni

Il livello gratuito lo rende abbastanza economico che non c'è motivo di decidere in base a una classifica. heygen-voice-1-turbo-free parla voci pubbliche e cloni istantanei gratuitamente fino al 30 novembre 2026, senza che sia necessario un saldo di crediti, e la voce pubblica HeyGen Nadine (83548de556df48ba8c09c42a57c51d85) è pubblicata come punto di partenza in una riga. È un livello a capacità condivisa: 429 rate_limit_exceeded è previsto in condizioni di carico indipendentemente dal tuo tasso di richieste, il tempo al primo audio non è garantito e una richiesta gratuita non passa mai a una a pagamento.

Riproduci le stesse venti righe su Turbo Free e sul tuo modello attuale, con lo stesso clone istantaneo, e ascolta ciò che l'arena cancella con la media: nomi di prodotti, numeri, date e qualunque cosa dica il tuo brand che nessun altro dice. Se i due sono indistinguibili per il tuo orecchio — come suggeriscono i sette punti Elo — la decisione si riduce alla bolletta, e la bolletta è $48 contro $360.

Se il tuo stack chiama anche altri modelli vocali o linguistici, mettere i segmenti non-HeyGen dietro un'unica chiave con failover tiene il confronto fuori dal tuo percorso di produzione; HeyGen Voice Turbo stesso non è nel catalogo di OrcaRouter, quindi il lato HeyGen del test gira sull'API di HeyGen stessa. Ciò che un router ti offre davvero qui è la possibilità di eseguire sia i modelli HeyGen sia una voce di fallback da un'unica integrazione, così un limite di frequenza o un'interruzione del nuovo modello non si trasforma in un silenzio per l'utente.

La regola che emerge da tutto questo sta in una frase: i cloni istantanei usano Turbo, a meno che non abbiate misurato un motivo per non farlo; i cloni professionali usano HeyGen Voice perché nient'altro li fa parlare, e nessuno dovrebbe scegliere tra questi due in base a Elo.