HeyGen Voice Turbo vs HeyGen Voice: 7,5-krotna obniżka ceny, siedem punktów Elo i jedna funkcja, której Turbo nie potrafi

Wybierz liczbę: dwanaście milionów znaków miesięcznie, czyli około dwudziestu pięciu godzin narracji. Przy stawkach podanych przez Artificial Analysis dla dwóch modeli mowy HeyGen ten rachunek wynosi 360 USD w przypadku HeyGen Voice i 48 USD w przypadku HeyGen Voice Turbo. Różnica jakości, którą ten sam ranking podaje między nimi, to siedem punktów Elo — w rankingu, w którym trzy najlepsze modele mieszczą się w jednym pasmie statystycznym, a przedziały ufności obu pozycji HeyGen niemal całkowicie się pokrywają. Gdy dostawca później koryguje cenę lub wynik, na których opierało się takie porównanie, korekta zostaje zapisana wraz z datami i źródłami w the AI Incident Archive, obok pozostałych awarii modeli i dostawców, które śledzimy.

Ta asymetria to całe porównanie. HeyGen Voice Turbo i HeyGen Voice nie są dwiema generacjami jednego produktu, w których nowsza zastępuje starszą; to jeden produkt podzielony na dwoje wzdłuż linii przebiegającej przez typ głosu, a nie przez jakość. Wybór między nimi nie jest kwestią oceny, który brzmi lepiej. To pytanie, czy Twoje głosy to klony natychmiastowe, czy klony profesjonalne, a odpowiedź jest zapisana w API.

Ten sam endpoint, jeden inny ciąg znaków

HeyGen udostępnia oba modele w ramach identycznych treści żądań. POST /v3/models/audio/tts zwraca jeden monofoniczny plik WAV 44,1 kHz po zakończeniu syntezy; POST /v3/models/audio/tts/stream zwraca uporządkowane części audio jako zdarzenia wysyłane przez serwer. Zmienia się tylko pole model: heygen-voice-1 jest domyślny, heygen-voice-1-turbo wybiera szybszy silnik, a heygen-voice-1-turbo-free to darmowy plan o ograniczonej przepustowości dostępny do 30 listopada 2026 r.

Oba punkty końcowe ograniczają tekst do 5000 znaków zwykłej prozy i domyślnie obsługują 30 żądań na minutę na członka przestrzeni roboczej. Oba wymagają AKTYWNEGO głosu — publicznego głosu HeyGen lub klonu w Twojej przestrzeni roboczej. Podział następuje o poziom wyżej, na etapie kwalifikowalności głosu.

Granica, której Turbo nie przekracza

Profesjonalne klony działają wyłącznie na modelu heygen-voice-1. To zdanie pojawia się w dokumentacji referencyjnej HeyGen i jest decyzją wyrażoną wprost: profesjonalny głos wytrenowany na co najmniej dwudziestu minutach materiału audio nie może być odtwarzany przez Turbo za żadną cenę. Klony natychmiastowe — te tworzone na podstawie jednego nagrania, zwykle AKTYWNE w ciągu kilku sekund, bez etapu trenowania i bez slotu klonu — mogą być odtwarzane przez dowolny z nich.

Wszystko inne podlega tej samej granicy.

• Dostępne głosy — Turbo: głosy publiczne i natychmiastowe klony. HeyGen Voice: głosy publiczne, natychmiastowe klony i klony profesjonalne.

• Ekspresyjność — expressiveness_boost od 0.0 do 1.0 w obu przypadkach, domyślnie 1.0, i dotyczy wyłącznie głosów natychmiastowych. Głosy profesjonalne odrzucają ten parametr.

• Kontrolki prozodii — seed, speed (0,75 do 1,25), pitch_shift (od −4 do +4 półtonów) oraz pitch_variance (0,5 do 2,0) są dostępne wyłącznie w wersji profesjonalnej. Głosy Instant, w obu modelach, przyjmują je i po cichu ignorują — co warto wiedzieć, zanim wdrożysz funkcję, której ustawienia po cichu nic nie robią.

• Pauzy — <break time="0.5s"/> pauzy do pięciu sekund działają w głosach profesjonalnych. Głosy błyskawiczne, w tym Turbo, ich nie uwzględniają. Żaden inny SSML nie jest obsługiwany w obu modelach.

• Tekst i limit — od 1 do 5000 znaków na żądanie, domyślnie 30 żądań na minutę na członka obszaru roboczego, identycznie w obu przypadkach.

• Język — 42 bazowe kody językowe do klonowania i mowy, z tagami regionalnymi takimi jak en-US i fr-CA, które normalizują się do języka bazowego. Tag regionalny nie wybiera akcentu regionalnego.

• Cena katalogowa — Turbo 4,00 USD za milion znaków, HeyGen Voice 30,00 USD; obie wartości przeliczone przez Artificial Analysis na podstawie cen kredytów HeyGen, a nie opublikowane przez HeyGen.

Ile jest warte siedem punktów Elo, a ile nie

W odczycie Controlled Voice Arena z 22 października 2026 r. HeyGen Voice Turbo zajmuje pierwsze miejsce z wynikiem 1,202 Elo (±19), a HeyGen Voice drugie z wynikiem 1,195 (±15). Oba modele oceniano na tych samych ośmiu sklonowanych głosach referencyjnych — czterech z USA i czterech z Wielkiej Brytanii — dzięki czemu porównanie z założenia jest jak do jak; to jedyny wynik areny, w którym oba modele można poddać identycznym warunkom.

Siedem punktów na tej tablicy to nie jest znacząca przewaga. Tablica pokazuje miejsca od pierwszego do trzeciego jako jeden przedział, 1-3, co oznacza, że jej własne statystyki nie pozwalają rozstrzygnąć kolejności pierwszej trójki. Przedział Turbo wynosi od 1 183 do 1 221; przedział HeyGen Voice od 1 180 do 1 210. Nakładają się na odcinku 27 punktów, przy szerokości odpowiednio 39 i 31 punktów. A 1 685 próbek Turbo to najsłabsza podstawa w pierwszej piątce, wobec 1 964 dla HeyGen Voice i 2 593 dla Eleven v4 Turbo dwa miejsca niżej.

Uczciwa interpretacja kolumny jakości wskazuje więc na remis z niewielką przewagą na korzyść Turbo, którą kilka tysięcy dodatkowych głosów mogłoby zniwelować w obie strony. Każdy, komu zależy na uszeregowaniu tych dwóch modeli, chwycił się liczby, która nie jest w stanie udźwignąć tego ciężaru.

Kolumna cen, dla kontrastu, jest jednoznaczna co do kierunku, choć jej wartości bezwzględne są pochodne. Artificial Analysis stosuje jedną metodę przeliczeniową wobec każdego dostawcy na liście; jeśli ta metoda błędnie wycenia system kredytów HeyGen, to błędnie wycenia oba wpisy HeyGen o ten sam współczynnik, a 7,5× przetrwa stały błąd. Nie przetrwałby błędu, który różni się w zależności od poziomu modelu — a nic opublikowanego nie sugeruje, że dwa poziomy rozliczają kredyty inaczej — ale to jest założenie, które należy sprawdzić na podstawie własnej faktury, zamiast mu ufać.

Gdzie „taniej” przestaje być właściwym pytaniem

Trzy sytuacje sprawiają, że remis na poziomie siedmiu punktów Elo jest nieistotny, a wraz z nim różnica w cenie.

Masz profesjonalne klony. Turbo nie potrafi ich wypowiedzieć. Porównanie kończy się jeszcze przed kwestią kosztów. HeyGen trzyma heygen-voice-1 jako domyślne właśnie dlatego, że profesjonalne głosy tego potrzebują, a bez przebudowy głosu żadna liczba ponownych nagrań nie zamieni klonu trenowanego przez dwadzieścia minut w natychmiastowy.

Potrzebujesz powtarzalnego wyniku. Ziarna są mechanizmem kontroli profesjonalnego głosu, a Turbo w ogóle nie obsługuje profesjonalnych głosów. Jeśli Twój potok regeneruje linię i oczekuje tej samej interpretacji, żadna ze ścieżek głosu natychmiastowego nie daje Ci tej dźwigni.

Potrzebujesz precyzji czasowej w przypadku głosów natychmiastowych. Oba modele akceptują with_timestamps i zwracają czasy rozpoczęcia i zakończenia dla każdego znaku — w punkcie końcowym synchronicznym jako original_characters w odpowiedzi, w punkcie końcowym strumieniowym jako character_alignment — zdarzenia zawierające zarówno przesłany tekst, jak i znormalizowany tekst faktycznie wypowiedziany. Znaczniki czasu nic nie kosztują w żadnym z modeli, więc nie jest to czynnik różnicujący; to po prostu powód, dla którego potok generowania napisów może używać Turbo bez utraty czegokolwiek.

Dla reszty — głos marki sklonowany z krótkiego nagrania, agent wsparcia, partia krótkich linii — Turbo to ta sama klasa silnika za ułamek stawki, a te siedem punktów Elo to szum.

Migracja to ciąg znaków i w tym tkwi pułapka.

Ponieważ ciało żądania się nie zmienia, przełączenie sprowadza się do jednego pola. To także powód, dla którego zespoły będą przełączać się bez pomiarów. Tryb awarii to nie 400; to głos, którego po cichu nie można użyć. Wyślij profesjonalny voice_id do Turbo, a żądanie zakończy się błędem — ten błąd jest głośny i to dobrze. Wyślij głos natychmiastowy z speed: 1.1, a otrzymasz audio z domyślną prędkością i bez błędu, ponieważ głosy natychmiastowe akceptują ten parametr i go ignorują. Potok, który dostrajał prozodię na głosach natychmiastowych, już wcześniej nie otrzymywał tego, o co prosił; przejście na Turbo tylko zwiększa prawdopodobieństwo odkrycia tego.

Jest jeden szczegół migracji, który naprawdę łatwo przeoczyć i który jest udokumentowany: głosy instant utworzone przed HeyGen Voice 1 muszą zostać ponownie sklonowane, zanim będą mogły mówić za pośrednictwem tej generacji modelu. Starsza przestrzeń robocza pełna starszych klonów instant nie zacznie po prostu działać po zmianie ciągu modelu.

Warto przyjrzeć się domyślnym ustawieniom samego HeyGen, zanim zaczniesz robić benchmark, ponieważ dostawca stosuje dwie konfiguracje. HeyGen Studio domyślnie używa similarity: "max" podczas klonowania wraz z expressiveness_boost: 0.5 przy syntezie. Domyślne ustawienia API to similarity: "extra_high" oraz expressiveness_boost: 1.0, i to właśnie ta konfiguracja API — jak twierdzi HeyGen — zajęła pierwsze miejsce na kontrolowanej tablicy wyników. Jeśli podczas migracji odwzorujesz ustawienia Studio, nie odtwarzasz już konfiguracji, którą oceniano w rankingu — co jest w porządku, jeśli taki był twój zamiar, a jeśli nie, daje mylący wynik benchmarku.

Test, który warto przeprowadzić przed podjęciem którejkolwiek z tych decyzji

Darmowy plan sprawia, że jest to wystarczająco tanie, iż nie ma powodu decydować na podstawie rankingu. heygen-voice-1-turbo-free obsługuje publiczne głosy i natychmiastowe klony bez opłat do 30 listopada 2026 r., bez konieczności posiadania salda kredytów, a publiczny głos HeyGen Nadine (83548de556df48ba8c09c42a57c51d85) opublikowano jako jednolinijkowy punkt wyjścia. To plan o współdzielonej przepustowości: 429 rate_limit_exceeded jest oczekiwany pod obciążeniem niezależnie od własnego tempa żądań, czas do pierwszego dźwięku nie jest gwarantowany, a darmowe żądanie nigdy nie przechodzi w płatne.

Wyrenderuj te same dwadzieścia linii na Turbo Free i na swoim obecnym modelu, z tym samym natychmiastowym klonem, i wsłuchaj się w to, co arena uśrednia: nazwy produktów, liczby, daty i to, co mówi Twoja marka, a czego nie mówi nikt inny. Jeśli oba będą nieodróżnialne dla Twojego ucha — co sugeruje siedem punktów Elo — decyzja sprowadza się do rachunku, a rachunek to 48 USD wobec 360 USD.

Jeśli Twój stack wywołuje również inne modele mowy lub języka, umieszczenie odnóg innych niż HeyGen za jednym kluczem z mechanizmem failover sprawia, że porównanie nie obciąża ścieżki produkcyjnej; sam HeyGen Voice Turbo nie znajduje się w katalogu OrcaRouter, więc część testu dotycząca HeyGen działa na własnym API HeyGen. To, co daje Ci tutaj router, to możliwość uruchomienia zarówno modeli HeyGen, jak i głosu zapasowego z jednej integracji, dzięki czemu limit szybkości lub awaria nowego modelu nie zamienia się w ciszę po stronie użytkownika.

Zasada, która z tego wszystkiego wynika, mieści się w jednym zdaniu: klony natychmiastowe wybierają Turbo, chyba że zmierzyłeś powód, by tego nie robić; klony profesjonalne wybierają HeyGen Voice, bo nic innego nie mówi ich głosem; a nikt nie powinien wybierać między tymi dwoma na podstawie Elo.