HeyGen Voice Turbo vs Inworld Realtime TTS-2: De beste gekloonde stem is niet de snelste

Vraag beide leveranciers naar het getal dat bij een realtimeproduct de doorslag geeft, en slechts één van hen antwoordt. Inworld publiceert een first-audio-cijfer voor Inworld Realtime TTS-2 — op de Flash-variant slechts 50 milliseconden, gemeten op Coval's board, waarbij de leverancier claimt tot 3× eerder eerste audio te leveren dan ElevenLabs. HeyGen publiceert helemaal geen latencycijfer voor HeyGen Voice Turbo; de documentatie belooft "snellere generatie" dan het model waar het naast staat en laat het daarbij. Wat HeyGen wél publiceert, is een eerste plaats in de Artificial Analysis Controlled Voice Arena met 1.202 Elo en een vermelde prijs van $4,00 per miljoen tekens, tegenover een zevende plaats voor Inworld Realtime TTS-2 met 1.145 en $20,80. Voice-arena-plaatsen en prijzen per teken die na publicatie veranderen, worden met datum en bron vastgelegd in the AI Incident Archive, samen met de andere model- en leveranciersincidenten die wij volgen.

Dus de twee modellen concurreren niet om dezelfde plek. Het ene is de beste engine voor gekloonde stemmen op een blinde voorkeursranglijst, met een onbeantwoorde latencyvraag. Het andere is een realtime-engine met een gepubliceerde latencyclaim en een kwaliteitsscore die vijf plaatsen lager ligt. Welke je wilt, hangt ervan af of er een mens midden in een zin op wacht.

De twee boards, en waar elke leverancier nu echt staat

Artificial Analysis beheert beide spraakboards, en het tweetal getallen is belangrijker dan elk afzonderlijk, omdat ze verschillende dingen meten: de Controlled Voice Arena houdt acht gekloonde referentiestemmen constant en beoordeelt de engine; de Provider Voice Arena laat elke leverancier in zijn eigen native stemmen spreken en beoordeelt het product zoals het wordt geleverd.

• Gecontroleerde stem-Elo — HeyGen Voice Turbo 1.202 (#1 van 46, ±19, 1.685 samples). Inworld Realtime TTS-2 1.145 (#7, ±13, 3.161 samples).

• Provider Voice Elo — HeyGen Voice Turbo niet vermeld. Inworld Realtime TTS-2 1.267 (#6 van 98).

• Vermelde prijs per 1 miljoen tekens, arena-conversie — HeyGen Voice Turbo $4,00. Inworld Realtime TTS-2 $20,80, Flash $10,40.

• Tarievenkaart leverancier — HeyGen publiceert geen tarief per teken voor spraak; de $4,00 is afgeleid van creditprijzen. Inworld publiceert $25,00 on-demand voor Realtime TTS-2 en $15,00 voor Flash, dalend naar $20,00 en $10,00 op het Creator-abonnement.

• Opgegeven latency — HeyGen: niets gepubliceerd. Inworld: 50 ms tot de eerste audio voor Flash op Coval; het cijfer van het vlaggenschipmodel wordt niet op dezelfde basis vermeld.

• Taalbereik — HeyGen: 42 basistaalcodes voor cloning en spraak. Inworld: ongeveer 500 talen en dialecten voor één Realtime TTS-2-stem.

De asymmetrie in de kolom Provider is wat opvalt. Inworld staat op beide ranglijsten; HeyGen op één. Artificial Analysis laat modellen weg die niet genoeg stemmen hebben, dus die afwezigheid is geen kwaliteitssignaal — maar het betekent wel dat het product van Inworld is beoordeeld op het volledige oppervlak dat het uitbrengt en dat van HeyGen alleen in de conditie met gekloonde stem.

Kwaliteit: een verschil van 57 punten dat de foutmarges overleeft

Zevenenvijftig Elo is het grootste verschil in deze vergelijking en het minst dubbelzinnig. Het interval van HeyGen Voice Turbo loopt van 1.183 tot 1.221; dat van Inworld Realtime TTS-2 loopt van 1.132 tot 1.158. Ze overlappen niet. Anders dan bij de vergelijking van zeven punten tussen HeyGen en HeyGen, waarbij de twee modellen statistisch gezien gelijk staan, is er hier sprake van een onderscheid bij 95% betrouwbaarheid.

Wat dat precies oplevert: bij acht gekloonde referentiestemmen gaven blinde luisteraars de voorkeur aan de weergaven van HeyGen Voice Turbo met een marge die het board kan onderscheiden. Het zegt niet dat HeyGen's eigen stemcatalogus beter klinkt dan die van Inworld — HeyGen heeft geen Provider-boardvermelding om die claim mee te maken — en het zegt niet dat Turbo beter kloont, alleen dat het een aangeleverde kloon beter laat klinken.

De kloonroute van Inworld is het onderdeel dat de kwaliteitsscore het minst goed kan beschrijven. Instant cloning werkt op basis van drie seconden referentieaudio, en stemontwerp werkt op basis van een geschreven beschrijving; beide zijn in elk abonnement inbegrepen. De arena meet de spraak die eruit komt, niet hoe getrouw de kloon is die erin ging. Een model dat 1.145 scoort op een kloon die het aangereikt kreeg, kan nog steeds de betere keuze zijn om die kloon te produceren uit drie seconden van de stem van een klant.

Latentie: het getal dat HeyGen je niet geeft

Inworlds realtime-positionering is specifiek en falsifieerbaar. Realtime TTS-2 Flash levert volgens Covals meting al na slechts 50 ms de eerste audio, tot 3× eerder dan ElevenLabs op 183 ms en tot 35× eerder dan OpenAI's GPT-4o mini TTS op 2.056 ms. Dat zijn metingen door derden van het model van een leverancier, geciteerd door de leverancier — beter bewijs dan een marketingclaim, zwakker dan een onafhankelijke audit, en de moeite waard om te reproduceren op je eigen netwerk voordat je je architectuur erop baseert.

De documentatie van HeyGen beschrijft Turbo als het spreken van instant stemmen "met lagere latentie" dan de standaard en houdt daar op. De throughput-pagina van Artificial Analysis vermeldt een mediane generatietijd van 7,29 seconden en 122 tekens per seconde voor het model, met een 5e percentiel van 52,7 seconden en een 95e percentiel van 150 seconden — cijfers die de synthese van een volledig verzoek op hun meetopstelling beschrijven, niet de tijd tot de eerste audio, en die variantie is groot. Een mediaan van zeven seconden is prima voor vooraf gerenderde narratie. Het is geen gesprek.

Die vergelijking is geen eerlijke strijd, en dat is ook niet de bedoeling. HeyGen's Turbo is geprijsd en gedocumenteerd voor volumesynthese: 5.000 tekens per verzoek, 30 verzoeken per minuut, een synchroon WAV-endpoint en een SSE-stream waarvan de onderdelen volledige WAV-containers zijn. Die van Inworld is gedocumenteerd voor beurtwisseling: op instructies gebaseerde aansturing van de voordracht, 50 non-verbale klanken die als echte audio worden weergegeven, en een claim dat de eerste audio binnen tientallen milliseconden beschikbaar is. Als je product binnen een gesprek spreekt, heeft HeyGen niet het getal gepubliceerd dat je nodig hebt, en het ontbreken van een getal is geen bewijs van een traag model — het is bewijs dat dit niet het product is dat ze je verkopen.

Prijs: drie treden aan de ene kant, één afgeleid cijfer aan de andere kant

De $4,00 tegenover $20,80 lijkt een overwinning van vijf tegen één voor HeyGen, en het is het minst betrouwbare getal in dit artikel. Het is de omrekening door Artificial Analysis van HeyGen's creditprijzen, afgeleid omdat HeyGen niet publiceert hoeveel tekens een credit oplevert. Inworlds $20,80 is de normalisatie door hetzelfde overzicht van een tarief dat Inworld wel publiceert.

Vergelijk gelijk met gelijk, en het beeld wordt scherper. Inworlds eigen ladder loopt van $25,00 on-demand, $20,00 op het Creator-plan, $17,50 op Pro, $15,00 op Business en $12,50 op Enterprise, met Flash van $15,00 tot $7,00 in dezelfde tiers, en de leverancier adverteert met minder dan $5 aan de top. Tegen de tarieven die een trouwe klant daadwerkelijk betaalt, komt Realtime TTS-2 uit tussen $12,50 en $20,00, en Flash tussen $7,00 en $15,00. Vergeleken met een conversie van $4,00 is HeyGen op papier nog steeds goedkoper — maar het verschil ligt dichter bij twee tegen één ten opzichte van een kortingstarief van Inworld dan bij vijf tegen één ten opzichte van de lijstprijs.

Er is een tweede trede die niets kost. HeyGens heygen-voice-1-turbo-free-abonnement biedt openbare stemmen en instant-clones zonder krediettegoed tot en met 30 november 2026, op gedeelde capaciteit zonder garanties en met een gedocumenteerde neiging om onder belasting 429 te retourneren. Inworld biedt tot 70 minuten gratis TTS in zijn On-Demand-abonnement. Beide zijn genoeg om een echte vergelijking uit te voeren; geen van beide is genoeg om een product te draaien.

Waar elk model ophoudt het antwoord te zijn

Kies HeyGen Voice Turbo wanneer de audio vooraf wordt gerenderd of bijna-real-time is in plaats van conversationeel: voice-over, audioboekhoofdstukken, e-learningmodules, de gesproken helft van een videopijplijn, of een voice-agent waarvan de beurten lang genoeg zijn om zeven seconden synthese achter een denkindicator te verbergen. Het pleit ervoor: een eerste plaats voor gekloonde stemmen tegen het laagste afgeleide tarief op het scorebord, met 42 talen en een 44,1 kHz WAV-uitvoer.

Kies {{1}}Inworld Realtime TTS-2{{/1}} wanneer er iemand wacht. De latencyclaim, de sturing via instructies — stuur de voordrachtsaanwijzing als requestparameter of tussen haakjes midden in de regel — de 50 non-verbale signalen, de ~500 talen en de clone van drie seconden zijn allemaal kenmerken van een engine die voor dialoog is gebouwd, en geen enkele Elo-score dicht die structurele kloof. In zijn voordeel pleit ook een {{2}}Provider board-rang{{/2}} die HeyGen niet heeft, wat ertoe doet als je product standaardstemmen levert in plaats van clones.

Geen van beide modellen is het antwoord als je een professionele kloon nodig hebt met reproduceerbare seeds: HeyGen beperkt Turbo tot openbare en instant-stemmen, en prosodie-instellingen zoals seed, speed en pitch_shift zijn alleen voor professionals op die API. De equivalente instellingen van Inworld zijn de eigen instructie- en stuurlaag, wat een ander mechanisme is met andere garanties.

Beide draaien zonder op een van beide te wedden

Het lastige aan deze beslissing is dat de twee kandidaten optimaliseren voor omstandigheden die je niet volledig kunt modelleren op basis van een leaderboard: de tijd tot de eerste audio van je netwerk, de namen en getallen in je tekst, de tolerantie van je luisteraars voor een pauze. De goedkope manier om dit te beantwoorden is beide achter één interface te zetten en het verkeer te splitsen — een klein aandeel naar de challenger, automatische failover naar de incumbent wanneer een verzoek mislukt of een rate limit optreedt.

Daar is de routeringslaag van OrcaRouter voor gebouwd, en dat is de eerlijke reden om het hier te noemen: één sleutel voor 200+ modellen, lijstprijs van de provider doorgegeven zonder opslag, en failover die een 429 van een gratis tier met gedeelde capaciteit omzet in een nieuwe poging in plaats van een moment van radiostilte. HeyGen Voice Turbo staat vandaag niet in die catalogus, dus een echte splitsing tussen HeyGen en Inworld betekent nog steeds twee integraties — maar de failover-helft van het argument blijft staan, ongeacht welk model je uiteindelijk als standaard neemt.

Wat de ranglijsten beslechten, is beperkter dan ze lijken. HeyGen Voice Turbo is de betere engine voor gekloonde stemmen, met een voorsprong die de statistiek ondersteunt, tegen een prijs die waarschijnlijk de laagste in de topklasse is. Inworld Realtime TTS-2 is de enige van de twee die je heeft verteld hoe snel hij begint te spreken, en voor een conversationeel product weegt die ene onbeantwoorde vraag zwaarder dan zevenenvijftig Elo.