HeyGen Voice Turbo conquista o título de voz controlada do HeyGen Voice — e reduz o preço da Arena em 87%

Doze dias depois de o HeyGen Voice alcançar o primeiro lugar na Controlled Voice Arena da Artificial Analysis, a HeyGen o substituiu nessa posição pelo HeyGen Voice Turbo, um modelo de fala mais rápido e muito mais barato que entrou no ar na API do fornecedor em 21 de outubro de 2026 sob o ID de modelo heygen-voice-1-turbo. Lido na manhã de 22 de outubro, o ranking coloca o HeyGen Voice Turbo em primeiro lugar com 1.202 Elo e seu antecessor HeyGen Voice em segundo com 1.195, com o Qwen-Audio-3.1-TTS-Plus da Alibaba em terceiro com 1.184. A manchete se escreve sozinha como uma história de sucessão — um fornecedor superando a si mesmo — e esse enquadramento não está errado, mas é a coisa menos útil na página. O número que deveria mudar uma decisão de compra fica duas colunas à direita, onde o mesmo ranking lista o novo modelo a US$ 4,00 por milhão de caracteres contra US$ 30,00 para o que ele substituiu. Quando uma inversão no ranking como esta mais tarde se revelar baseada em uma pontuação desatualizada ou reemitida, a correção é registrada com suas datas e fontes no AI Incident Archive, ao lado do restante das falhas de modelos e fornecedores que acompanhamos.

Essa é uma redução de 87% no custo listado associado a um modelo que ocupa uma posição superior à do modelo que ele substitui. Ambos os números são conversões da Artificial Analysis do preço em créditos da HeyGen, e não tarifas publicadas pela HeyGen, o que é importante e vale a pena ter em mente — mas a direção da diferença é grande demais para ser um artefato de conversão.

O que a diretoria controlada realmente diz esta manhã

O Controlled Voice Arena mantém o locutor constante: cada participante sintetiza as mesmas oito vozes de referência clonadas, quatro dos EUA e quatro do Reino Unido, e ouvintes em teste cego escolhem a melhor reprodução. É o ranking que mede o mecanismo, e não o reel de demonstração do fornecedor, e é o certo a consultar se você entrega uma voz de marca clonada. Em 22 de outubro de 2026, o topo dele está assim.

• 1º lugar — HeyGen Voice Turbo, 1.202 Elo, ±19 com 95% de confiança (intervalo de 1.183 a 1.221), 1.685 amostras, lançado em outubro de 2026, US$ 4,00 por milhão de caracteres.

• Posição 2 — HeyGen Voice, 1.195 Elo, ±15 (intervalo de 1.180 a 1.210), 1.964 amostras, lançado em outubro de 2026, US$ 30,00 por milhão de caracteres.

3º lugar — Qwen-Audio-3.1-TTS-Plus, 1.184 de Elo, ±14 (intervalo de 1.170 a 1.198), 2.292 amostras, US$ 19,30 por milhão de caracteres.

• Posição 4 e 5 — Eleven v4 Turbo e Eleven v4, ambos com 1,156 Elo, $40.00 e $80.00 por milhão de caracteres.

• 6º lugar — Sonic 3.6, 1,151 Elo, $49.00 por milhão de caracteres, em 3,193 amostras — o modelo mais votado entre os dez primeiros.

• Posição 7 — Inworld Realtime TTS-2, 1.145 Elo, US$ 20,80 por milhão de caracteres.

Dois detalhes nessa lista merecem mais atenção do que a ordenação. O primeiro é a coluna de intervalo: a Artificial Analysis imprime as classificações de um a três como uma única faixa, 1-3, o que significa que suas próprias estatísticas não separam os três primeiros modelos. O segundo é a contagem de amostras. O HeyGen Voice Turbo tem 1.685 votos; o Eleven v4 Turbo, duas posições abaixo, tem 2.593. A posição do novo modelo no topo baseia-se em cerca de dois terços das evidências dos modelos que ele está superando, e um intervalo de ±19 é o mais amplo entre os cinco primeiros.

Seven Elo não é a história. Quatro dólares é.

Considere as duas entradas da HeyGen como um par, porque compartilham um endpoint, um fornecedor e agora uma vizinhança no ranking. A diferença entre elas é de sete pontos Elo, e seus intervalos de confiança se sobrepõem em quase toda a sua extensão: 1.183 a 1.221 contra 1.180 a 1.210. Ninguém deveria escolher entre esses dois modelos com base na qualidade. Qualquer diferença que exista na naturalidade da voz clonada é menor que a incerteza da medição.

A diferença de preço não é menor que a incerteza. É um fator de 7,5.

A ressalva vem primeiro, porque é real: a HeyGen não publica uma taxa de voz por caractere. Sua página pública de preços vende créditos — 600 créditos em um plano, 1.000 em outro, com alocações maiores em planos anuais — e nunca informa quantos caracteres um crédito compra. Os valores de US$ 4,00 e US$ 30,00 são uma conversão da própria Artificial Analysis, aplicada de forma consistente a todos os fornecedores do quadro para que os modelos possam ser comparados. São números derivados. O que torna a comparação utilizável mesmo assim é que a mesma conversão produziu ambos os valores: se a conversão estiver errada, estará errada para ambos, e uma proporção de 7,5× sobrevive a um erro constante.

Há uma terceira opção de preço que não aparece no leaderboard de forma alguma. A HeyGen está oferecendo um nível gratuito deste modelo, heygen-voice-1-turbo-free, até 30 de novembro de 2026. Ele oferece suporte a vozes públicas e clones instantâneos, não exige saldo de créditos e está explicitamente documentado para testes, protótipos e pequenas quantidades de fala. Também não há garantia explícita: a disponibilidade do serviço, o tempo de resposta e o tempo até o primeiro áudio são todos isentos de garantia, a capacidade é compartilhada entre todos os usuários gratuitos, e uma requisição pode retornar HTTP 429 rate_limit_exceeded mesmo quando você está confortavelmente abaixo do seu próprio limite de 30 requisições por minuto. Uma requisição gratuita nunca muda silenciosamente para o modelo pago — você precisa enviar uma nova requisição com heygen-voice-1-turbo e aceitar a cobrança. Para uma trajetória de produção, reserve orçamento para o modelo pago e trate o nível gratuito como uma forma de ouvir o mecanismo com o seu próprio roteiro nesta semana.

O que o Turbo abre mão para atingir esse número

O desconto não é uma promoção de preços disfarçada de lançamento de modelo. É um produto mais restrito, e essa restrição está documentada de forma clara na referência de fala da HeyGen.

• Tipos de voz — heygen-voice-1-turbo aceita apenas vozes públicas e clones instantâneos. Clones profissionais não são suportados. O heygen-voice-1 padrão continua sendo o modelo que fala vozes profissionais.

• Controles por solicitação — Turbo aceita expressiveness_boost de 0,0 a 1,0 e nada mais no conjunto de prosódia. seed, speed, pitch_shift e pitch_variance são aceitos e ignorados em vozes instantâneas, incluindo Turbo. Vozes profissionais rejeitam expressiveness_boost totalmente.

• Pausas — as vozes profissionais fazem pausas de até cinco segundos com <break>. As vozes instantâneas, incluindo a Turbo, não. Nenhuma das duas oferece suporte a outros SSML.

• Comprimento do texto — 1 a 5.000 caracteres de prosa simples por solicitação, em ambos os modelos.

• Limite de requisições — 30 requisições por minuto por membro do workspace por padrão, em ambos os endpoints, ajustável por conta.

• Saída — um WAV PCM16 mono a 44,1 kHz para o endpoint síncrono; partes WAV codificadas em base64 e ordenadas via server-sent events em /tts/stream. Cada parte transmitida é um contêiner WAV completo, então precisa ser decodificada individualmente em vez de concatenada.

Leia essa lista como uma descrição do cliente ao qual o Turbo se destina: alguém que gera falas curtas com uma voz que clonou em segundos, em grande volume, para quem a ausência de um controle de pitch é irrelevante e uma diferença de taxa de 7,5× não é. Se o seu pipeline depende de um clone profissional de vinte minutos e de seeds reproduzíveis, o Turbo não é uma versão mais barata do seu modelo atual — é um modelo diferente que não consegue fazer o seu trabalho.

A alegação que a HeyGen está fazendo em sua própria documentação

A referência de Text to Speech da HeyGen afirma que seus padrões da API — similaridade: "extra_high" para clonagem e expressiveness_boost: 1.0 para fala — são a configuração que "ficou em primeiro lugar no leaderboard Controlled Voice do Artificial Analysis". Trata-se de uma alegação do fornecedor sobre um ranking independente, e ela por acaso é verificável: o ranking de fato mostra um modelo da HeyGen em primeiro lugar. A alegação também é mais restrita do que parece. Ela descreve uma configuração de um modelo em um dos dois rankings de fala do Artificial Analysis, e não diz nada sobre a posição no leaderboard do catálogo de vozes do fornecedor como um todo.

Observe a divergência que vale a pena conhecer antes de copiar os padrões: o HeyGen Studio vem com similarity: "max" e expressiveness_boost: 0.5, enquanto a API usa por padrão o par de maior similaridade e máxima expressividade. O resultado do leaderboard foi produzido com os padrões da API. Se você ajustar para obter a warmth semelhante ao Studio, não estará mais executando a configuração à qual o Elo pertence.

Três coisas que este ranking não mede

Primeiro, a HeyGen não tem nenhuma entrada no Provider Voice Arena — o painel complementar em que cada fornecedor usa suas próprias vozes nativas e 98 modelos são classificados. Esse painel é liderado pelo Eleven v4 Turbo, com 1.335, e o Inworld Realtime TTS-2 aparece em sexto lugar, com 1.267. O Artificial Analysis omite modelos que não têm votos suficientes, então a ausência não é um veredito sobre a qualidade; significa, sim, que não existe um número independente para como o catálogo próprio da HeyGen soa para um público geral. Se você está escolhendo entre vozes narradoras de catálogo em vez de fazer clonagem, o número central deste artigo não se aplica a você.

Em segundo lugar, o ranking controlado é executado por idioma, e o HeyGen Voice Turbo aparece no topo dos rankings em inglês e no ranking em alemão — mas está ausente das abas de japonês, chinês, francês, espanhol, português, vietnamita, árabe e hindi. Dado que a HeyGen documenta 42 códigos de idioma base para clonagem e fala, a explicação mais provável é o volume de votos, e não a capacidade. Ainda assim, uma coroa em inglês é uma coroa em inglês, e qualquer pessoa que lance narração multilíngue deve ler a aba relevante antes de presumir que o resultado se estende a outros idiomas.

Terceiro, a arena avalia o áudio, não a etapa de clonagem que produziu a voz. Se um clone instantâneo a partir de alguns segundos de áudio de referência preserva um falante específico é uma questão separada, medida por ninguém aqui.

O que acontece em 1 de dezembro?

A questão em aberto mais concreta não é se o Turbo mantém o primeiro lugar — uma vantagem de sete pontos dentro de intervalos sobrepostos poderia se inverter na próxima rodada de pontuação sem que nada mudasse na HeyGen. É quanto o modelo custa depois que o plano gratuito for encerrado em 30 de novembro de 2026.

Duas trajetórias são plausíveis. A conversão de US$ 4,00 pode ser o preço em regime estacionário de um modelo de voz instantânea deliberadamente barato; nesse caso, o ranking controlado agora tem uma entrada no topo a um quinto da mediana do grupo. Ou o Turbo Free pode ser um canal de aquisição, e a tarifa paga pode mudar quando ele terminar. A HeyGen diz que notificará os usuários antes de a oferta mudar, o que é o único compromisso registrado. Até existir uma tabela de preços do fornecedor, todo preço aqui é uma inferência — uma boa inferência, aplicada de forma consistente, e ainda assim uma inferência.

Para equipes que já operam um pipeline de voz, a medida prática desta semana é pequena e barata: renderizar vinte das suas próprias falas através do heygen-voice-1-turbo-free com um clone instantâneo, e renderizar as mesmas vinte com o que você usa hoje. A arena já mostrou que os motores são próximos em oito vozes de referência. Ela não pode dizer se o Turbo lida com os nomes dos seus produtos, seus números e suas pausas. Se você também chama modelos de linguagem ou um dos modelos de fala hospedados no catálogo do OrcaRouter, eles podem ficar atrás de uma única chave com failover automático, o que mantém o experimento fora do seu caminho de produção — embora o próprio HeyGen Voice Turbo não seja roteado por lá, então a execução comparativa precisa passar pela API própria do HeyGen.

A história da sucessão, no fim das contas, é a leitura menos interessante. Um fornecedor que melhora o próprio modelo em sete Elo em doze dias é progresso comum. Um fornecedor que entrega seu melhor motor de voz clonada a cerca de um sétimo do custo de tabela do anterior representa uma mudança no que uma camada de voz pode custar — e é essa a frase a levar para uma conversa de orçamento.