HeyGen Voice против ElevenLabs: новый №1 по клонированным голосам и вендор, который по-прежнему правит балом

HeyGen Voice занял первое место в Controlled Voice arena от Artificial Analysis 9 октября 2026 года с 1 202 Elo, а модель, которую он сместил с этой позиции, была моделью уровня ElevenLabs: Eleven v4 Turbo, теперь занимающий третье место с 1 167. Это заголовок, и он точен. Это также гораздо более скромное утверждение, чем звучит, потому что модели того же вендора занимают второе, третье, четвёртое, одиннадцатое и пятнадцатое места на том же контролируемом лидерборде, а Eleven v4 Turbo остаётся первым на гораздо более крупной арене Provider Voices с 1 328 Elo — на 126 пунктов опережая HeyGen Voice, который там вообще не ранжируется. Один движок выиграл один лидерборд. Вендор по-прежнему владеет категорией.

Теперь один и тот же поставщик занимает пять мест из пятнадцати лучших.

Контрольная таблица фиксирует голос как постоянную величину — восемь клонированных эталонных голосов, четыре американских и четыре британских — поэтому каждая запись оценивается по тому, как движок обрабатывает голос, который он не выбирал. Теперь в этой таблице указано: HeyGen Voice 1 202, Qwen-Audio-3.1-TTS-Plus 1 186, Eleven v4 Turbo 1 167, Eleven v4 1 160, Sonic 3.6 1 143, Realtime TTS-2 1 143. Ниже Eleven v3 находится на 1 072, а v3 Conversational — на 1 056.

Пять из пятнадцати лучших позиций в этой области носят имя одного и того же вендора. У соперника, чья модель единолично занимает первое место в рейтинге, есть пять хороших — в двух поколениях, по двум ценовым категориям, — плюс разговорный вариант, который вообще является другим продуктом. Так выглядит действующий лидер изнутри лидерства в рейтинге, и именно поэтому дебют на #1 заслуживает заголовка, а не плана миграции.

Что на самом деле представляют собой модели ElevenLabs

В собственной документации поставщика Eleven v4 Turbo описывается как передовая модель для синтеза речи в реальном времени, рекомендуемая для агентов поддержки, ИИ-ассистентов и интерактивных персонажей; доступ к ней осуществляется через websocket Text to Dialogue по идентификатору модели eleven_v4_turbo. ElevenLabs заявляет медианную задержку инференса примерно 100 мс — по данным производителя, при этом сноска на той же странице исключает из этого показателя задержку приложения и сети, так что это число относится к движку модели, а не является обещанием времени полного кругового обмена.

Охват языков у семейства v4 — самый широкий в этом сравнении, причём с большим отрывом: более 90 языков, от африкаанс и арабского до кантонского, хинди, японского, путунхуа и зулу. В собственной документации HeyGen перечислено более 300 готовых голосов на «десятках языков» без указания точного количества — это иной способ описания каталога, и его нельзя напрямую сопоставлять с числом языков.

А ещё есть та часть, которая вообще не отображается в таблице лидеров: библиотека голосов, регуляторы стабильности и сходства, тонкая настройка для каждого запроса и десятилетие интеграционной поверхности. Сравнение моделей — это не сравнение платформ, и решение ElevenLabs конкурирует и в том, и в другом.

Табло

• Контролируемый Elo голоса — HeyGen Voice: 1 202 (#1). Eleven v4 Turbo: 1 167 (#3). Eleven v4: 1 160 (#4).

• Elo голосов провайдеров — Eleven v4 Turbo: 1 328 (№1 из 96). HeyGen Voice: без рейтинга.

• Опубликованная цена за 1 млн символов — Eleven v4 Turbo: $40.00. Eleven v4: $80.00. HeyGen Voice: $30.00 по собственному пересчёту цены кредитов HeyGen, выполненному на арене; сама HeyGen не публикует тариф на голос.

• Заявленная задержка — Eleven v4 Turbo: ~100 мс медианного времени инференса, без учёта задержки приложения и сети (по данным производителя). HeyGen Voice: данные не опубликованы.

• Языковой охват — семейство ElevenLabs v4: 90+ языков (документация вендора). HeyGen Voice: «десятки языков», количество не опубликовано.

• Модели в контролируемом топ-15 — ElevenLabs: пять уровней. HeyGen: один.

Зазор между двумя платами — вот это интересное число.

Eleven v4 Turbo опережает HeyGen Voice на 161 балл в таблице Provider Voices и отстаёт от него на 35 баллов в контрольной таблице. Оба показателя взяты с одного и того же сайта, получены одним и тем же методом слепого прослушивания и за один и тот же период. Их различает голос.

В таблице провайдеров каждый поставщик предлагает свои собственные нативные голоса, поэтому компания, которая годами создавала и отбирала библиотеку голосов, может выставить лучшие из них. В контролируемой таблице это преимущество исчезает — движку приходится синтезировать клонированный голос, который он не выбирал. Разница в 196 пунктов между двумя результатами фактически измеряет, какая доля положения ElevenLabs определяется голосами, а не движком. Это большая доля. И она не равна нулю: 1 167 — это всё ещё третье место из сорока двух.

Для покупателя это сводится к конкретному вопросу. Если вы выбираете голос из библиотеки поставщика, то лидерборд провайдеров — это ваш лидерборд, и позиция ElevenLabs там неоспорима. Если вы клонируете конкретного говорящего, то лидерборд с контролируемыми условиями — это ваш лидерборд, и на этой неделе у него новое имя на вершине.

Стоимость услуг действующего поставщика не изменилась.

Eleven v4 Turbo стоит $40 за миллион символов в API этого поставщика, а более старая Eleven v4 — $80: вдвое дороже за модель, которая набирает на семь пунктов Elo меньше в контролируемом рейтинге. На этот разброс цен внутри одного поставщика стоит обратить внимание: две модели одной компании, разница в цене в 2 раза, в рейтинге — три позиции.

Сторона HeyGen в сравнении цен существует, но не в той форме, которую публиковала HeyGen. Арена указывает её на уровне $30,00 за миллион символов — на десять долларов ниже тарифа ElevenLabs, который она вытеснила, и это 62% от $80 у более старой Eleven v4, — однако эта цифра представляет собой пересчёт Artificial Analysis, а не котировку от поставщика: публичная страница цен HeyGen продаёт кредиты (600 за $29 в месяц, 1 000 за $49, 1 500 за $149) и сообщает, что потребление зависит от модели, длительности и сложности, не указывая тариф за голос. Так что претендент с лучшей оценкой клонированного голоса оценён на четверть ниже действующего игрока по цифре, которую действующему игроку не приходилось выводить.

В чём каждая сторона действительно выигрывает

Выбирайте ElevenLabs, когда ограничивающим фактором является широта. Более девяноста языков, пять ранжированных уровней в контролируемой таблице лидеров, зрелая библиотека голосов и разговорный вариант по цене $50 за миллион символов, который в контролируемой таблице лидеров занимает пятнадцатое место, — такую комбинацию трудно собрать где-либо ещё, и именно поэтому лидерство этого поставщика сохранилось, несмотря на потерю первого места.

Проверьте HeyGen Voice, когда ограничение — одинаковость. Один говорящий, тысячи строк, клон, который каждый раз должен звучать как этот говорящий, — именно такую нагрузку моделирует контролируемая арена, и HeyGen Voice сейчас является движком с наилучшими показателями в этом. Для такой задачи подходит путь профессионального клонирования, обученный на более чем двадцати минутах аудио, а не мгновенный клон по одной записи.

Не воспринимайте 1 202 как доказательство того, что HeyGen Voice в целом превосходит ElevenLabs. Он обходит один уровень ElevenLabs в одном рейтинге. Три других уровня отличаются от него не более чем на 42 балла, а лидер другого рейтинга опережает его на 126 баллов.

Тестирование челленджера без миграции

Полезная часть здесь — асимметрия затрат: замена голоса дёшева в реализации и сразу слышна, если что-то пойдёт не так, а действующий поставщик по $40 за миллион символов — дорогое удовольствие, чтобы оставлять его работать на трафике, с которым претендент справляется лучше. Решить это можно так: запустить оба через одну интеграцию и позволить вашему собственному аудио решить — OrcaRouter подключает оба по одному API-ключу по прайс-листовой цене провайдера без наценки, поэтому изменение тарифа вендора отражается у источника, а не при продлении контракта, а автоматическое переключение при сбое означает, что голосовой запрос, завершившийся ошибкой, переходит к другому движку, вместо того чтобы просто замолчать. На первом проходе можно смещать трафик в пользу того движка, который ваш слух предпочитает на небольшом тестовом наборе, а DSL маршрутизации позволяет закрепить один движок за предварительно отрендеренным озвучиванием, а другой — за интерактивными репликами, без второй клиентской библиотеки.

Что изменило бы эту историю

Выход HeyGen Voice на арену Provider Voices показал бы, превращается ли лидерство клонированного голоса в конкурентоспособность среди нативных голосов — тест, который ElevenLabs проходит с 1 328. Тариф на голос на собственной странице цен HeyGen превратил бы выведенные на арене $30,00 в арифметику, которую можно проверить. А ещё месяц голосования показал бы, являются ли 16 пунктов Elo над Qwen-Audio-3.1-TTS-Plus устойчивым порядком или моментальным снимком. Любой из трёх факторов мог бы изменить расклад; пока ничего из этого не произошло, и честный вывод до тех пор таков: HeyGen Voice победил на контролируемом табло, а ElevenLabs по-прежнему задаёт тон в категории.