HeyGen Voice Turbo отбирает у HeyGen Voice корону лучшего контролируемого голоса — и снижает цену в Arena на 87%

Twelve days after HeyGen Voice reached number one on Artificial Analysis's Controlled Voice Arena, HeyGen has replaced it there with HeyGen Voice Turbo, a faster and far cheaper speech model that went live on the vendor's API on 21 October 2026 under the model ID heygen-voice-1-turbo. Read on the morning of 22 October, the board puts HeyGen Voice Turbo first at 1,202 Elo and its predecessor HeyGen Voice second at 1,195, with A​libaba's Qwen-Audio-3.1-TTS-Plus third at 1,184. The headline writes itself as a succession story — a vendor beating itself — and that framing is not wrong, but it is the least useful thing on the page. The number that should change a purchasing decision sits two columns to the right, where the same leaderboard lists the new model at $4.00 per million characters against $30.00 for the one it displaced. When a leaderboard reversal like this one later turns out to rest on a stale or restated score, the correction is logged with its dates and sources in the AI Incident Archive, alongside the rest of the model and vendor failures we track.

Это сокращение указанной стоимости на 87% для модели, которая занимает более высокое место, чем модель, которую она заменяет. Оба показателя — это пересчёты цен на кредиты HeyGen, выполненные Artificial Analysis, а не тарифы, которые публикует сама HeyGen; это важно, и об этом стоит помнить. Но сам разрыв слишком велик, чтобы быть артефактом пересчёта.

Что на самом деле говорит контролируемый совет сегодня утром

Controlled Voice Arena удерживает диктора неизменным: каждый участник синтезирует одни и те же восемь клонированных эталонных голосов — четыре из США и четыре из Великобритании, — а слепые слушатели выбирают лучший вариант. Это таблица, которая измеряет движок, а не демонстрационный ролик поставщика, и именно её стоит читать, если вы выпускаете клонированный голос бренда. По состоянию на 22 октября 2026 года её верхняя часть выглядит так.

• Место 1 — HeyGen Voice Turbo, 1 202 Elo, ±19 при 95% доверительной вероятности (интервал от 1 183 до 1 221), 1 685 образцов, выпущен в октябре 2026 года, $4,00 за миллион символов.

• Ранг 2 — HeyGen Voice, 1 195 Elo, ±15 (интервал от 1 180 до 1 210), 1 964 образца, выпущено в октябре 2026 г., 30,00 $ за миллион символов.

Место 3 — Qwen-Audio-3.1-TTS-Plus, 1 184 Elo, ±14 (интервал от 1 170 до 1 198), 2 292 образца, $19,30 за миллион символов.

• 4-е и 5-е места — Eleven v4 Turbo и Eleven v4, обе модели имеют рейтинг 1 156 Elo, $40.00 и $80.00 за миллион символов.

• 6-е место — Sonic 3.6, 1 151 Elo, $49.00 за миллион символов, на 3 193 образцах — модель, получившая больше всего голосов в первой десятке.

• 7-е место — Inworld Realtime TTS-2, 1,145 Elo, $20.80 за миллион символов.

Две детали в этом списке заслуживают большего внимания, чем порядок. Первая — столбец диапазона: Artificial Analysis указывает ранги с первого по третий как одну группу, 1-3, то есть его собственная статистика не разделяет три лучшие модели. Вторая — размер выборки. У HeyGen Voice Turbo 1 685 голосов; у Eleven v4 Turbo, находящейся на две позиции ниже, — 2 593. Позиция новой модели на вершине опирается примерно на две трети объёма данных, который есть у моделей, которые она обходит, а интервал ±19 — самый широкий в первой пятёрке.

Семь пунктов Эло — не главное. Главное — четыре доллара.

Рассматривайте две записи HeyGen как пару, потому что у них общий эндпоинт, вендор и теперь соседство в таблице лидеров. Разрыв между ними составляет семь пунктов Elo, а их доверительные интервалы перекрываются почти по всей ширине: 1 183–1 221 против 1 180–1 210. Никому не стоит выбирать между этими двумя моделями по качеству. Какая бы разница ни существовала в естественности клонированного голоса, она меньше неопределённости измерения.

Разница в цене не меньше неопределённости. Она превышает её в 7,5 раза.

Оговорка прежде всего, потому что она реальна: HeyGen не публикует тариф за озвучивание в расчёте на символ. На его публичной странице цен продаются кредиты — 600 кредитов на одном уровне, 1 000 на другом, большие объёмы на годовых планах — и нигде не указано, сколько символов можно купить за кредит. Цифры $4.00 и $30.00 — это собственный пересчёт Artificial Analysis, последовательно применённый ко всем поставщикам в таблице, чтобы модели вообще можно было сравнивать. Это производные числа. Что всё же делает сравнение пригодным: оба показателя получены одним и тем же пересчётом: если пересчёт неверен, он неверен для обоих, и соотношение 7,5× сохраняется при постоянной ошибке.

Есть третья ценовая категория, которая вообще не отображается в таблице лидеров. HeyGen предлагает бесплатный тариф этой модели, heygen-voice-1-turbo-free, до 30 ноября 2026 года. Он работает с публичными голосами и мгновенными клонами, не требует баланса кредитов и явно задокументирован для тестов, прототипов и небольших объёмов речи. Также явно не гарантируется: доступность сервиса, время ответа и время до первого аудио — все они сопровождаются оговорками, мощности распределяются между всеми бесплатными пользователями, а запрос может вернуть HTTP 429 rate_limit_exceeded, даже когда вы с большим запасом не достигаете собственного лимита в 30 запросов в минуту. Бесплатный запрос никогда не переключается молча на платную модель — нужно отправить новый запрос с heygen-voice-1-turbo и принять списание средств. Для продакшена закладывайте бюджет на платную модель, а к бесплатному тарифу относитесь как к способу услышать движок на собственном сценарии уже на этой неделе.

Чем Turbo жертвует, чтобы достичь этого показателя

Скидка — это не ценовая акция, замаскированная под запуск модели. Это более узкий продукт, и это сужение прямо задокументировано в справочнике HeyGen по речи.

• Типы голосов — heygen-voice-1-turbo поддерживает только публичные голоса и мгновенные клоны. Профессиональные клоны не поддерживаются. Модель по умолчанию heygen-voice-1 остаётся моделью, озвучивающей профессиональные голоса.

• Параметры управления для каждого запроса — Turbo принимает expressiveness_boost от 0.0 до 1.0 и ничего больше из набора параметров просодии. seed, speed, pitch_shift и pitch_variance принимаются и игнорируются на мгновенных голосах, включая Turbo. Профессиональные голоса отклоняют expressiveness_boost полностью.

• Паузы — профессиональные голоса делают <break> паузы длительностью до пяти секунд. Мгновенные голоса, включая Turbo, — нет. Другой SSML не поддерживается ни теми, ни другими.

• Длина текста — от 1 до 5 000 символов обычного прозаического текста на запрос, для обеих моделей.

• Ограничение частоты запросов — по умолчанию 30 запросов в минуту на каждого участника рабочей области, для обоих эндпоинтов, настраивается отдельно для каждой учётной записи.

• Выходные данные — один монофонический WAV PCM16 с частотой 44,1 кГц для синхронной конечной точки; упорядоченные части WAV в кодировке base64 через события, отправляемые сервером, по адресу /tts/stream. Каждая передаваемая часть — это полный WAV-контейнер, поэтому её нужно декодировать отдельно, а не объединять.

Читайте этот список как описание клиента, на которого рассчитан Turbo: того, кто генерирует короткие реплики голосом, который он клонировал за секунды, в больших объёмах, где отсутствие управления высотой тона не имеет значения, а разница в цене в 7,5× — имеет. Если ваш пайплайн зависит от профессионального клонирования за двадцать минут и воспроизводимых сидов, Turbo — не более дешёвая версия вашей текущей модели, а другая модель, которая не справится с вашей задачей.

Утверждение, которое HeyGen делает в своей собственной документации

В справочной документации HeyGen по преобразованию текста в речь указано, что заданные по умолчанию в API параметры — similarity: "extra_high" для клонирования и expressiveness_boost: 1.0 для речи — это конфигурация, которая «заняла первое место в таблице лидеров Controlled Voice от Artificial Analysis». Это заявление вендора о независимой таблице лидеров, и его, кстати, можно проверить: в таблице действительно модель HeyGen стоит на первом месте. Утверждение также уже, чем кажется. Оно описывает одну конфигурацию одной модели в одной из двух речевых таблиц Artificial Analysis и ничего не говорит о позиции всего голосового каталога вендора в таблице лидеров.

Обратите внимание на несоответствие, о котором стоит знать, прежде чем копировать значения по умолчанию: HeyGen Studio поставляется с similarity: "max" и expressiveness_boost: 0.5, тогда как API по умолчанию использует пару с более высоким сходством и максимальной выразительностью. Результат в таблице лидеров был получен на значениях по умолчанию API. Если вы настроите параметры ради теплоты, как в Studio, вы уже используете не ту конфигурацию, к которой относится Elo.

Три вещи, которые эта таблица лидеров не измеряет

Во-первых, у HeyGen вообще нет записи в Provider Voice Arena — сопутствующем рейтинге, где каждый вендор использует собственные нативные голоса и ранжируются 98 моделей. Этот рейтинг возглавляет Eleven v4 Turbo с 1 335, а Inworld Realtime TTS-2 занимает шестое место с 1 267. Artificial Analysis исключает модели, которым не хватает голосов, поэтому отсутствие не является вердиктом о качестве; это означает лишь то, что не существует независимой цифры, показывающей, как собственный каталог HeyGen звучит для широкой аудитории. Если вы выбираете среди готовых голосов диктора, а не клонируете, центральная цифра этой статьи к вам не относится.

Во-вторых, контрольная таблица ведётся отдельно для каждого языка: HeyGen Voice Turbo находится на вершине английских таблиц и присутствует в немецкой, но отсутствует на вкладках японского, китайского, французского, испанского, португальского, вьетнамского, арабского и хинди. Учитывая, что HeyGen документирует 42 базовых языковых кода для клонирования и синтеза речи, наиболее вероятное объяснение — объём голосов, а не возможности. И всё же англоязычная корона — это англоязычная корона, и тому, кто выпускает многоязычное озвучивание, следует прочитать соответствующую вкладку, прежде чем предполагать, что результат переносится.

В-третьих, арена оценивает аудио, а не этап клонирования, в результате которого был создан голос. Сохраняет ли мгновенный клон, сделанный по нескольким секундам эталонного аудио, конкретного говорящего, — отдельный вопрос, который здесь никто не измеряет.

Что происходит 1 декабря

Самый конкретный открытый вопрос — не в том, удержит ли Turbo первое место: преимущество в семь пунктов в пределах перекрывающихся интервалов может перевернуться при следующем проходе оценки, хотя в HeyGen ничего не изменится. Он в том, сколько будет стоить модель после закрытия бесплатного тарифа 30 ноября 2026 года.

Возможны два варианта. Цена $4,00 за конверсию может быть установившейся ценой намеренно дешёвой модели мгновенного голоса — в этом случае в контролируемом табло теперь есть позиция из верхней части рейтинга по цене, составляющей одну пятую от медианы по всем участникам. Либо Turbo Free может быть каналом привлечения, и платный тариф может измениться после его завершения. HeyGen говорит, что уведомит пользователей до изменения предложения, и это единственное публично зафиксированное обязательство. Пока не существует прайс-листа поставщика, каждая цена здесь — это вывод: хороший, последовательно применяемый, но всё же вывод.

Для команд, которые уже используют голосовой конвейер, практический шаг на этой неделе — небольшой и недорогой: синтезировать двадцать собственных реплик через heygen-voice-1-turbo-free с помощью мгновенного клона и синтезировать те же двадцать через то, чем вы пользуетесь сегодня. Арена уже показала, что на восьми эталонных голосах движки близки. Но она не может сказать, справится ли Turbo с названиями ваших продуктов, вашими числами и паузами. Если вы также вызываете языковые модели или одну из хостинговых речевых моделей в каталоге OrcaRouter, они могут находиться за одним ключом с автоматическим переключением при сбое, что не даст эксперименту затронуть ваш продакшн-путь — хотя сам HeyGen Voice Turbo там не маршрутизируется, поэтому сравнительный прогон придётся выполнять через собственный API HeyGen.

История о смене поколений, в конечном счёте, — наименее интересная трактовка. То, что вендор улучшает собственную модель на семь пунктов Elo за двенадцать дней, — обычный прогресс. То, что вендор выпускает свой лучший движок клонирования голоса примерно за одну седьмую заявленной стоимости предыдущего, — это изменение того, сколько голосовому слою позволено стоить, и именно эту фразу стоит взять с собой в разговор о бюджете.