HeyGen Voice Turbo vs HeyGen Voice: uma redução de preço de 7,5×, sete pontos de Elo e um recurso que o Turbo não consegue fazer

Escolha um número: doze milhões de caracteres por mês, cerca de vinte e cinco horas de narração. Com as tarifas listadas pela Artificial Analysis para os dois modelos de fala da HeyGen, essa fatura fica em US$ 360 no HeyGen Voice e US$ 48 no HeyGen Voice Turbo. A diferença de qualidade que o mesmo ranking cita entre eles é de sete pontos Elo, em um ranking no qual os três melhores modelos ocupam uma única faixa estatística e os intervalos de confiança das duas entradas da HeyGen se sobrepõem quase completamente. Quando um fornecedor posteriormente reafirma um preço ou uma pontuação nos quais uma comparação como esta se apoiou, a correção é registrada com suas datas e fontes em o AI Incident Archive, ao lado do restante das falhas de modelos e fornecedores que acompanhamos.

Essa assimetria é o cerne da comparação. HeyGen Voice Turbo e HeyGen Voice não são duas gerações de um mesmo produto em que a mais nova substitui a mais antiga; são um produto dividido em dois ao longo de uma linha que passa pelo tipo de voz, não pela qualidade. Escolher entre eles não é uma questão de julgamento sobre qual soa melhor. É uma pergunta sobre se suas vozes são clones instantâneos ou clones profissionais, e a resposta está escrita na API.

Mesmo endpoint, uma string diferente

O HeyGen disponibiliza ambos os modelos com corpos de pedido idênticos. POST /v3/models/audio/tts devolve um único WAV mono de 44,1 kHz após a conclusão da síntese; POST /v3/models/audio/tts/stream devolve partes de áudio ordenadas como eventos enviados pelo servidor. A única coisa que muda é o campo model: heygen-voice-1 é a predefinição, heygen-voice-1-turbo seleciona o motor mais rápido, e heygen-voice-1-turbo-free é um nível gratuito com capacidade limitada, disponível até 30 de novembro de 2026.

Ambos os endpoints limitam o texto a 5.000 caracteres de prosa simples e ambos usam, por padrão, 30 solicitações por minuto por membro do workspace. Ambos exigem uma voz ATIVA — uma voz pública do HeyGen ou um clone no seu workspace. A separação ocorre um nível acima, na elegibilidade de voz.

A linha que o Turbo não cruza

Clones profissionais são executados apenas no heygen-voice-1. Essa frase aparece na documentação de referência da HeyGen e é a decisão, dita sem rodeios: uma voz profissional treinada com vinte minutos ou mais de áudio não pode ser reproduzida pelo Turbo a nenhum preço. Clones instantâneos — do tipo criado a partir de uma gravação, normalmente ATIVO em segundos, sem uma etapa de treinamento ou um slot de clone — podem ser reproduzidos por qualquer um dos dois.

Todo o resto segue o mesmo limite.

• Vozes disponíveis — Turbo: vozes públicas e clones instantâneos. HeyGen Voice: vozes públicas, clones instantâneos e clones profissionais.

• Expressividade — expressiveness_boost de 0,0 a 1,0 em ambos, padrão 1,0, e se aplica apenas a vozes instantâneas. Vozes profissionais rejeitam o parâmetro.

• Controles de prosódia — seed, speed (0,75 a 1,25), pitch_shift (−4 a +4 semitons) e pitch_variance (0,5 a 2,0) são exclusivos para profissionais. As vozes Instant, em qualquer um dos modelos, aceitam e ignoram silenciosamente esses controles, o que vale a pena saber antes de lançar um recurso cujas configurações não produzem efeito algum sem aviso.

• Pausas — <break time="0.5s"/> pausas de até cinco segundos funcionam em vozes profissionais. Vozes instantâneas, incluindo Turbo, não as respeitam. Nenhum outro SSML é suportado em nenhum dos modelos.

• Texto e taxa — 1 a 5.000 caracteres por requisição, 30 requisições por minuto por membro do workspace por padrão, idêntico em ambos.

• Idioma — 42 códigos de idioma base para clonagem e fala, com tags regionais como en-US e fr-CA normalizando para o idioma base. Uma tag regional não seleciona sotaque regional.

• Preço listado — Turbo US$ 4,00 por milhão de caracteres, HeyGen Voice US$ 30,00, ambos conforme convertidos pela Artificial Analysis a partir do preço em créditos da HeyGen, e não publicados pela HeyGen.

Quanto vale o sete Elo, e o que ele não é

Na leitura da Controlled Voice Arena de 22 de outubro de 2026, o HeyGen Voice Turbo ocupa o primeiro lugar com 1.202 Elo (±19), e o HeyGen Voice vem em segundo, com 1.195 (±15). Ambos foram avaliados nas mesmas oito vozes de referência clonadas — quatro dos EUA e quatro do Reino Unido —, então a comparação é equivalente por construção, e este é o único resultado de arena em que os dois modelos podem ser submetidos a condições idênticas.

Sete pontos nesse quadro não representam uma margem significativa. O quadro imprime as classificações de um a três como uma única faixa, 1-3, o que significa que suas próprias estatísticas não bastam para ordenar os três primeiros. O intervalo do Turbo vai de 1.183 a 1.221; o do HeyGen Voice vai de 1.180 a 1.210. Eles se sobrepõem em 27 de seus respectivos 39 e 31 pontos de largura. E as 1.685 amostras do Turbo são a evidência mais frágil entre os cinco primeiros, contra 1.964 do HeyGen Voice e 2.593 do Eleven v4 Turbo duas posições abaixo.

Então, a leitura honesta da coluna de qualidade é um empate, com uma leve vantagem para o Turbo que alguns milhares de votos a mais poderiam eliminar em qualquer direção. Qualquer pessoa que precise que esses dois modelos sejam classificados se deparou com um número que não sustenta o peso.

Em contrapartida, a coluna de preço é inequívoca em direção, embora seus valores absolutos sejam derivados. A Artificial Analysis aplica um único método de conversão a todos os fornecedores do quadro; se esse método precifica mal o sistema de créditos da HeyGen, ele precifica mal ambas as entradas da HeyGen pelo mesmo fator, e 7,5× sobrevive a um erro constante. Não sobreviveria a um erro que varia por nível de modelo — e nada publicado sugere que os dois níveis cobrem créditos de forma diferente —, mas essa é a premissa a conferir na sua própria fatura em vez de confiar.

Onde "mais barato" deixa de ser a pergunta certa

Três situações tornam o empate de sete Elo irrelevante e, com ele, a diferença de preço também.

Você tem clones profissionais. O Turbo não consegue falar por meio deles. A comparação termina antes do custo. A HeyGen mantém heygen-voice-1 como padrão especificamente porque vozes profissionais precisam dele, e nenhuma quantidade de regravação transforma um clone treinado por vinte minutos em um clone instantâneo sem reconstruir a voz.

Você precisa de uma saída reproduzível. As seeds são um controle para vozes profissionais, e o Turbo não oferece suporte a vozes profissionais de forma alguma. Se o seu pipeline regenera uma linha e espera a mesma entrega, nenhum dos caminhos de voz instantânea oferece esse controle.

Você precisa de precisão de temporização em vozes instantâneas. Ambos os modelos aceitam with_timestamps e retornam os horários de início e fim por caractere — no endpoint síncrono como original_characters na resposta, no endpoint de stream como eventos character_alignment que carregam tanto o texto enviado quanto o texto normalizado efetivamente falado. Os timestamps não custam nada em nenhum dos modelos, portanto isso não é um diferencial; é simplesmente o motivo pelo qual um pipeline de legendagem pode usar o Turbo sem perder nada.

Para o resto — uma voz de marca clonada a partir de uma gravação curta, um agente de suporte, um lote de linhas curtas — o Turbo é a mesma classe de motor por uma fração do custo, e os sete pontos de Elo são ruído.

A migração é uma string, e é aí que está a armadilha

Como o corpo da requisição não muda, a troca é um único campo. É também por isso que as equipes farão a troca sem medir. O modo de falha não é um 400; é uma voz que, silenciosamente, não pode ser usada. Envie um voice_id profissional para o Turbo e a requisição falha — essa falha é explícita e tudo bem. Envie uma voz instantânea com speed: 1.1 e você recebe áudio na velocidade padrão sem erro, porque as vozes instantâneas aceitam e ignoram o parâmetro. Um pipeline que vinha ajustando a prosódia em vozes instantâneas já não estava recebendo o que pedia; migrar para o Turbo só torna a descoberta mais provável.

Há um detalhe de migração que é genuinamente fácil de passar despercebido e está documentado: vozes instantâneas criadas antes do HeyGen Voice 1 precisam ser clonadas novamente antes de poderem falar por meio desta geração do modelo. Um espaço de trabalho mais antigo cheio de clones instantâneos legados não vai simplesmente trocar uma string de modelo e funcionar.

Os padrões do próprio HeyGen merecem uma olhada antes de você fazer o benchmark, porque o fornecedor usa duas configurações. O HeyGen Studio vem com similarity: "max" no momento da clonagem com expressiveness_boost: 0.5 na síntese. Os padrões da API são similarity: "extra_high" e expressiveness_boost: 1.0, e essa configuração da API é a que o HeyGen diz ter ficado em primeiro lugar no painel controlado. Se você espelhar as configurações do Studio em uma migração, não estará mais reproduzindo a configuração que o ranking avaliou — o que é aceitável, se era sua intenção, e um resultado de benchmark confuso se não era.

Um teste que vale a pena executar antes de qualquer uma das decisões

O nível gratuito torna isso barato o suficiente para que não haja motivo para decidir com base em um ranking. heygen-voice-1-turbo-free fala vozes públicas e clones instantâneos sem custo até 30 de novembro de 2026, sem necessidade de saldo de créditos, e a voz pública Nadine da HeyGen (83548de556df48ba8c09c42a57c51d85) é publicada como um ponto de partida de uma linha. É um nível de capacidade compartilhada: 429 rate_limit_exceeded é esperado sob carga, independentemente da sua própria taxa de solicitações, o tempo até o primeiro áudio não é garantido, e uma solicitação gratuita nunca se transforma em uma paga.

Reproduza as mesmas vinte linhas no Turbo Free e no seu modelo atual, com o mesmo clone instantâneo, e preste atenção nas coisas que a arena dilui na média: nomes de produtos, números, datas e tudo o que sua marca diz que ninguém mais diz. Se os dois forem indistinguíveis para os seus ouvidos — como o Elo de sete sugere que serão —, a decisão se resume à conta, e a conta é $48 contra $360.

Se a sua stack também chama outros modelos de fala ou de linguagem, colocar as partes que não são HeyGen atrás de uma única chave com failover mantém a comparação fora do seu caminho de produção; o próprio HeyGen Voice Turbo não está no catálogo do OrcaRouter, então o lado HeyGen do teste roda contra a API própria do HeyGen. O que um roteador oferece aqui é a capacidade de executar tanto os modelos HeyGen quanto uma voz de fallback a partir de uma única integração, de modo que um limite de taxa ou uma indisponibilidade no novo modelo não se torne um silêncio para o usuário.

A regra que surge de tudo isso cabe em uma frase: clones instantâneos ficam com o Turbo, a menos que você tenha mensurado um motivo para não usar; clones profissionais ficam com o HeyGen Voice porque nada mais dá voz a eles, e ninguém deveria escolher entre esses dois com base no Elo.