GPT-Live-1 vs HeyGen Voice: twee boards, twee taken, en één API die ze al aan elkaar koppelt

Most write-ups of HeyGen Voice open with the leaderboard result, and the result is real: first place on Artificial Analysis's Controlled Voice arena at 1,198 Elo, ahead of Q​wen-Audio-3.1-TTS-Plus at 1,186 and Eleven v4 Turbo at 1,162. G​PT-Live-1 is not on that board and never will be, because the board measures how a voice sounds and G​PT-Live-1 is the thing that decides when to stop talking. The more useful fact is that HeyGen's own engineers already know this: in September 2026 they shipped an open-source real-time avatar stack that uses G​PT-Live-1 as the voice and conversation layer and their own avatars around it. The two products are not competitors. They are two halves of a system that one of the two vendors has already assembled in public.

Wat elk ervan eigenlijk is

HeyGen Voice is het eigen tekst-naar-spraakmodel van HeyGen en maakt deel uit van een v3-API die ook video- en avatarendering beschikbaar stelt. Er zijn twee model-ID's gepubliceerd — heygen-voice-1, voor instant- en professionele clones, en heygen-voice-1-turbo, dezelfde engine, beperkt tot instant-clones, met lagere latentie. Intern heet de engine orca, de waarde waarop je filtert in een voices-query. Het neemt tekst en levert audio op 44,1 kHz mono WAV, hetzij als een eenmalig verzoek (POST /v3/models/audio/tts) of als een server-sent-event-stream met base64-WAV-onderdelen en optionele character-alignment-events (POST /v3/models/audio/tts/stream). Het hoort niets.

G​PT-Live-1 does nothing else. It handles a spoken conversation while a delegated backend model or agent reasons and calls tools, it listens while it speaks, and it runs on exactly one endpoint — v1/live/sessions — with Chat Completions, Responses, Realtime and Batch all unsupported. Audio and text in, audio and text out, images and video out of scope, knowledge cut-off 31 July 2025. Voice sessions bill at $0.05 per minute, by the second, with backend usage charged separately at normal model rates.

The architectural consequence is the whole comparison. On a HeyGen-style pipeline, the reasoner sits between the microphone and the voice. On G​PT-Live-1, the voice model is the pipeline and the reasoner hangs off it.

Het resultaat op de ranglijst, en de grens eromheen

Artificial Analysis beheert twee spraakboards en ze beantwoorden verschillende vragen. De Provider Voice-arena laat elke leverancier zijn eigen gekozen stemmen insturen — de gepolijste demostemmen die een bedrijf kiest om zichzelf te vertegenwoordigen — en rangschikt ze op hoe goed die klinken. De Controlled Voice-arena vervangt die door een vaste set van acht gekloonde referentiestemmen, vier uit de VS en vier uit het VK, zodat elke engine dezelfde woorden met dezelfde stem onder dezelfde omstandigheden uitspreekt. Het is het dichtste dat de industrie heeft bij een like-for-like-enginetest, en het is het board dat ertoe doet als je van plan bent een stem te klonen en aan een TTS-model te geven.

HeyGen Voice voert het aan. Uit de vastlegging van oktober 2026:

• Controlled Voice Elo — HeyGen Voice 1,198 over 1,765 samples, against Q​wen-Audio-3.1-TTS-Plus at 1,186 over 2,097, Eleven v4 Turbo at 1,162, Eleven v4 at 1,159 and Cartesia Sonic 3.6 at 1,149.

• Provider Voice Elo — Eleven v4 Turbo leads at 1,330, Eleven v4 at 1,329, Q​wen-Audio-3.1-TTS-Plus at 1,296, Cartesia Sonic 3.6 at 1,285, Gemini 3.8 Flash TTS at 1,275. HeyGen Voice does not appear on this board.

• Price, on the arena's own basis — $30.00 per million characters, against Q​wen's $19.30 and Eleven v4 Turbo's $40.00. HeyGen publishes the same $30.00 per million characters on its own product page with the line "no packages, no minimums, no tiers."

Dat ontbreken op de bredere ranglijst is geen kwaliteitssignaal. Artificial Analysis merkt op dat inzendingen kunnen worden achtergehouden wegens onvoldoende stemmen, en een model dat enkele weken oud is met één anders gescoorde arena achter zich heeft niet het volume aan blinde luisteraars opgebouwd dat de ranglijst met meer dan negentig modellen vereist. De juiste interpretatie is smal en nuttig: HeyGen Voice is momenteel de best scorende engine in de gecontroleerde vergelijking van gekloonde stemmen, en een onbekende grootheid tegenover het bredere veld. Wie op basis van dat cijfer "het beste TTS-model ter wereld" aanhaalt, haalt een kleinere ranglijst aan dan de zin suggereert.

Wat HeyGen je biedt om mee te bouwen

De engine is flexibeler dan het label "TTS-model" doet vermoeden, en drie details zijn van belang voor iedereen die tussen deze twee producten kiest.

• Enginekeuze per stem. Een GET /v3/voices-aanroep accepteert een enginefilter waarvan de waarden onder meer orca voor HeyGen Voice, starfish, en een doorvoer naar ElevenLabs-stemmen omvatten. HeyGen verplicht je niet om zijn eigen model te gebruiken — het spreidt zijn risico's, in de meest letterlijke zin, door je via zijn eigen API naar de engine van een concurrent te laten routeren. Wie de 1.198 Elo leest als 'de stem van HeyGen is de beste', moet beseffen dat die slechts één van de drie paden beschrijft die hetzelfde endpoint biedt.

• Cloning in twee modi. Instant Clone neemt één opname, gebruikt de eerste drie minuten, kan niet opnieuw worden getraind en staat gedocumenteerd als gratis tijdens de preview. Professional Clone traint op één tot tien opnames met een totale duur van twintig-plus minuten, retourneert 202 Accepted en blijft pollen totdat deze actief is, is opnieuw trainbaar en bezet een gekochte slot. Een similariteitsregeling loopt van één tot vier, een expressiviteitsboost van 0,0 tot 1,0 geldt alleen voor instant-stemmen, en break-tags tot vijf seconden zijn beschikbaar op het professional-niveau.

• Stemontwerp dat reproduceerbaar is. POST /v3/voices genereert maximaal drie gerangschikte kandidaten op basis van een beschrijving van maximaal 1.000 tekens, met een optionele genderfilter, een optionele BCP-47-locale en een seed — en HeyGen documenteert dat dezelfde prompt plus dezelfde seed altijd dezelfde stemmen oplevert. Spraaktekst is beperkt tot 5.000 tekens en het endpoint draait op 30 verzoeken per minuut bij pay-as-you-go, 120 bij Enterprise.

• Taaldekking van 39 basiscodes voor zowel cloning als spraak, waarbij regionale tags terugvallen op hun basis in plaats van van accent te wisselen. Het platformbrede cijfer "175+ talen en dialecten" dat op HeyGen's marketingpagina's circuleert, is niet de dekking van dit model.

Eén praktische waarschuwing over die talenlijst: verschillende regionale locales die de avatar-engines accepteren, selecteren geen regionaal accent in de voice-engine. Als je product wordt gelokaliseerd, test dan de locale die je nodig hebt in plaats van aan te nemen dat de tag dat met zich meebrengt.

The part of G​PT-Live-1 that HeyGen's own stack demonstrates

On 16 October 2026 O​penAI released prompt-to-voice to all API customers: a POST to /v1/audio/voices with type: "prompt", a name, the description and "model": "auto". Creating a voice is free; using it bills at normal session rates. The response is metadata only — an ID, a name, a creation timestamp, your prompt — with no audio and no preview, so auditioning costs a session. The steerable qualities are accent, age, presentation, pitch, timbre, texture, loudness, speech rate and distinctiveness, all expressed in ordinary language with no numeric parameters, and O​penAI documents that generated voices are not guaranteed to be unique.

Put that next to HeyGen's design endpoint and the difference is not quality, it is engineering discipline. HeyGen gives you up to three candidates, a seed that makes results reproducible and a preview audio URL per voice. O​penAI gives you one voice, no preview and no uniqueness guarantee, under a 100-voice organisation cap that also applies to voices generated on behalf of your customers. If a voice is a build artefact you will need to regenerate, only one of these two surfaces is designed for that.

The preset libraries diverge just as sharply. G​PT-Live-1's Live voice guide lists twenty-one named presets plus marin as default; the nine added on 16 October are Nuri, Juni and Flitz in German, Brise and Sillage in French, Nira in Hindi, Harema and Shida in Japanese, and Noeul in Korean — which leaves Hindi and Korean with one voice each, both feminine. HeyGen's catalogue is documented at 300-plus pre-built voices across dozens of languages. Those are not comparable numbers in kind, and for a product that needs a wide cast of distinct speakers, the difference decides the decision on its own.

Waar de twee systemen samenkomen: delegatie, en wat het kost

Beide kanten bieden nu een volledige gesprekslus, en beide plaatsen de redeneerder ergens waar je controle over hebt.

HeyGen's LiveAvatar ships in FULL mode, where HeyGen runs speech recognition, the language model, text-to-speech, turn-taking, memory and contexts, and LITE mode, where you keep your own agent and use HeyGen for the avatar and voice layer. G​PT-Live-1 does the same thing with a different boundary: Responses delegation, where O​penAI runs the backend model, or client delegation, where you point the session at your own harness, agent or service.

That shared shape is what makes the cost question identical on both sides, and it is the question most comparisons skip. On G​PT-Live-1, full active session time is billable including while the backend works. O​penAI's own cost guidance makes the arithmetic blunt: using a faster backend with parallel tool calls so the user finishes a minute earlier saves $0.05 in voice charges. The voice rate is a constant; session length is the dial, and on HeyGen's FULL mode the same economics apply to whatever reasoner sits in the loop. A TTS line item does not appear in a conversational product's budget in the way a procurement sheet implies — the reasoning minutes do.

That is the one place a routing layer changes the shape of the build rather than the price of a line item. Client delegation turns the backend into a variable you can route per conversation instead of a fixed dependency. OrcaRouter fronts 200-plus models at provider list price with no markup, which matters most exactly when a vendor cuts a price — the cut is live here the same day rather than at renewal. Automatic failover keeps a provider outage out of a live call, and the routing DSL lets you compose the reasoning step from several models rather than staking the session on one. To state the boundary plainly: OrcaRouter hosts neither G​PT-Live-1 nor HeyGen Voice, and neither appears in our catalogue. What it routes is the reasoning behind a delegated session.

Hoe deze week te beslissen

Write down which board your product is judged on, because these two models do not overlap there. If a human listens to the output asynchronously — a marketing video, a training module, an audiobook, a cloned brand voice reading many lines — you are on the Controlled Voice board, HeyGen Voice currently leads it, and its $30.00 per million characters sits mid-field against Q​wen's $19.30 and Eleven v4 Turbo's $40.00. Test it against both of those in the same arena, because two of the three are cheaper.

If a human talks back in real time, the Controlled Voice board has nothing to say to you. The question becomes who owns the turn-taking loop, what the backend costs per session, and whether the voice model is the pipeline or a component inside one. HeyGen's answer is LiveAvatar with an agent you bring; O​penAI's answer is a session that delegates. Both are viable, and the fact that HeyGen's own reference stack uses G​PT-Live-1 for the conversational half is the clearest evidence available that these are not substitutes.

Wat je niet moet doen, is "eerste plaats op Artificial Analysis" aanhalen alsof het daarmee een beslissing over een conversatieproduct had beslecht. Het beslechtte een renderingvraag over acht gekloonde stemmen. De andere vraag is op die ranglijst helemaal niet gesteld.

Niets daarvan is hypothetisch: de gedocumenteerde AI-fouten en agent-incidenten achter releases zoals deze zijn verzameld in the OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en markering voor betwisting bevat.