HeyGen Voice Turbo tar kronan för kontrollerad röst från HeyGen Voice – och sänker Arena-priset med 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.

Det är en minskning med 87 % av den listade kostnaden för en modell som rankas högre än modellen den ersätter. Båda siffrorna är Artificial Analysis-konverteringar av HeyGen:s kreditprissättning snarare än priser som HeyGen publicerar, vilket spelar roll och är värt att hålla fast vid – men gapets riktning är alldeles för stor för att vara en konverteringsartefakt.

Vad den kontrollerade styrelsen faktiskt säger i morse

Controlled Voice Arena håller talaren konstant: varje deltagare syntetiserar samma åtta klonade referensröster, fyra amerikanska och fyra brittiska, och blinda lyssnare väljer den bättre återgivningen. Det är tavlan som mäter motorn snarare än leverantörens demoreel, och det är den rätta att läsa om du levererar en klonad varumärkesröst. Per den 22 oktober 2026 ser dess topp ut så här.

• Rang 1 — HeyGen Voice Turbo, 1 202 Elo, ±19 med 95 % konfidens (intervall 1 183–1 221), 1 685 sampel, lanserad i oktober 2026, 4,00 USD per miljon tecken.

• Rang 2 — HeyGen Voice, 1 195 Elo, ±15 (intervall 1 180 till 1 210), 1 964 prover, släppt i oktober 2026, $30,00 per miljon tecken.

• Rang 3 — Qwen-Audio-3.1-TTS-Plus, 1 184 Elo, ±14 (intervall 1 170 till 1 198), 2 292 prover, 19,30 USD per miljon tecken.

• Rang 4 och 5 — Eleven v4 Turbo och Eleven v4, båda 1 156 Elo, 40,00 och 80,00 USD per miljon tecken.

• Rang 6 — Sonic 3.6, 1 151 Elo, 49,00 USD per miljon tecken, på 3 193 prover — modellen med flest röster bland de tio bästa.

• Plats 7 — Inworld Realtime TTS-2, 1 145 Elo, 20,80 USD per miljon tecken.

Två detaljer i den listan förtjänar mer uppmärksamhet än ordningen. Den första är intervalkolumnen: Artificial Analysis skriver ut rangerna ett till tre som ett enda band, 1–3, vilket innebär att dess egen statistik inte skiljer de tre främsta modellerna åt. Den andra är antalet röster. HeyGen Voice Turbo har 1 685 röster; Eleven v4 Turbo, två placeringar lägre ner, har 2 593. Den nya modellens placering i toppen vilar på ungefär två tredjedelar av underlaget jämfört med modellerna den slår, och ett ±19-intervall är det bredaste bland de fem främsta.

Sju Elo är inte det viktiga. Fyra dollar är det.

Betrakta de två HeyGen-posterna som ett par, eftersom de delar en endpoint, en leverantör och nu ett grannskap på resultattavlan. Avståndet mellan dem är sju Elo-poäng, och deras konfidensintervall överlappar nästan hela sin bredd: 1 183 till 1 221 mot 1 180 till 1 210. Ingen bör välja mellan dessa två modeller utifrån kvalitet. Vilken skillnad som än finns i naturligheten hos klonade röster är mindre än osäkerheten i mätningen.

Prisdifferensen är inte mindre än osäkerheten. Den är en faktor 7,5.

Förbehållet först, eftersom det är verkligt: HeyGen publicerar inte något röstpris per tecken. Deras offentliga prissida säljer krediter – 600 krediter på en nivå, 1 000 på en annan, större tilldelningar på årsplaner – och anger aldrig hur många tecken en kredit köper. Siffrorna $4.00 och $30.00 är Artificial Analysiss egen omräkning, tillämpad konsekvent på varje leverantör i jämförelsen så att modellerna över huvud taget kan jämföras. De är härledda tal. Det som ändå gör jämförelsen användbar är att samma omräkning gav båda siffrorna: om omräkningen är fel, är den fel för båda, och ett förhållande på 7,5× överlever ett konstant fel.

Det finns en tredje prisnivå som inte alls visas på topplistan. HeyGen har en gratisnivå av den här modellen, heygen-voice-1-turbo-free, till och med den 30 november 2026. Den kan tala med offentliga röster och snabbkloner, kräver inget kreditsaldo och är uttryckligen dokumenterad för tester, prototyper och små mängder tal. Den är också uttryckligen inte garanterad: tillgänglighet, svarstid och tid till första ljudet omfattas inte av någon garanti, kapaciteten delas av alla gratisanvändare, och en begäran kan returnera HTTP 429 rate_limit_exceeded medan du ligger bekvämt under din egen gräns på 30 begäranden per minut. En gratisbegäran växlar aldrig tyst över till den betalda modellen — du måste skicka en ny begäran med heygen-voice-1-turbo och acceptera avgiften. För en produktionsväg ska du budgetera för den betalda modellen och behandla gratisnivån som ett sätt att höra motorn med ditt eget manus den här veckan.

Vad Turbo avstår från för att nå den siffran

Rabatten är inte en priskampanj utklädd till en modellansering. Det är en snävare produkt, och avgränsningen dokumenteras tydligt i HeyGens talreferens.

• Rösttyper – heygen-voice-1-turbo accepterar endast offentliga röster och snabbkloner. Professionella kloner stöds inte. Standardmodellen heygen-voice-1 är fortfarande den modell som talar med professionella röster.

• Kontroller per begäran — Turbo accepterar expressiveness_boost från 0,0 till 1,0 och inget annat i prosodiuppsättningen. seed, speed, pitch_shift och pitch_variance accepteras och ignoreras för instant-röster, inklusive Turbo. Professionella röster avvisar expressiveness_boost helt.

• Pauser – professionella röster tar <break> pauser på upp till fem sekunder. Omedelbara röster, inklusive Turbo, gör det inte. Annan SSML stöds inte på någon av dem.

• Textlängd — 1 till 5 000 tecken vanlig prosa per begäran, på båda modellerna.

• Hastighetsgräns – som standard 30 förfrågningar per minut per arbetsytemedlem, på båda slutpunkterna, justerbart per konto.

• Utdata — en mono PCM16 WAV vid 44,1 kHz för den synkrona slutpunkten; ordnade base64-kodade WAV-delar via server-sent events på /tts/stream. Varje streamad del är en komplett WAV-container, så den måste avkodas individuellt i stället för att sammanfogas.

Läs den listan som en beskrivning av kunden som Turbo riktar sig till: någon som genererar korta repliker med en röst de klonat på några sekunder, i stor volym, där avsaknad av tonhöjdskontroll är irrelevant och en hastighetsskillnad på 7,5× inte är det. Om din pipeline är beroende av en professionell klon som tar tjugo minuter och reproducerbara slumpfrön, är Turbo inte en billigare version av din nuvarande modell – det är en annan modell som inte kan göra ditt jobb.

Det påstående som HeyGen gör i sin egen dokumentation

HeyGens Text to Speech-referens anger att API:ets standardvärden — similarity: "extra_high" för kloning och expressiveness_boost: 1.0 för tal — är den konfiguration som "tog första plats på Artificial Analysis Controlled Voice-leaderboarden". Det är ett leverantörspåstående om en oberoende lista, och det råkar gå att kontrollera: listan visar faktiskt en HeyGen-modell på första plats. Påståendet är dessutom snävare än det låter. Det beskriver en konfiguration av en modell på en av Artificial Analysiss två leaderboards för tal, och det säger ingenting om var leverantörens röstkatalog som helhet ligger på leaderboarden.

Notera den diskrepans som är värd att känna till innan du kopierar standardinställningarna: HeyGen Studio levereras med similarity: "max" och expressiveness_boost: 0.5, medan API:et har standardinställningen med paret med högre likhet och maximal uttrycksfullhet. Resultatet på topplistan togs fram med API:ets standardinställningar. Om du justerar för Studio-liknande värme kör du inte längre den konfiguration som Elo-resultatet tillhör.

Tre saker som den här resultattavlan inte mäter

För det första har HeyGen ingen post på Provider Voice Arena alls – den kompletterande resultattavlan där varje leverantör använder sina egna inbyggda röster och 98 modeller rangordnas. Den tavlan leds av Eleven v4 Turbo på 1 335, med Inworld Realtime TTS-2 på sjätte plats med 1 267. Artificial Analysis utelämnar modeller som saknar tillräckligt många röster, så frånvaro är inte en bedömning av kvaliteten; det innebär att det inte finns någon oberoende siffra för hur HeyGens egen katalog låter för en allmän publik. Om du väljer bland färdiga berättarröster i stället för att klona, gäller inte den här artikelns centrala siffra för dig.

För det andra körs den kontrollerade resultattavlan per språk, och HeyGen Voice Turbo visas högst upp på de engelska tavlorna och på den tyska tavlan – men saknas på flikarna för japanska, kinesiska, franska, spanska, portugisiska, vietnamesiska, arabiska och hindi. Med tanke på att HeyGen dokumenterar 42 baspråkkoder för kloning och tal är den troligaste förklaringen antalet röster snarare än förmågan. Ändå är en engelskspråkig krona en engelskspråkig krona, och den som levererar flerspråkigt berättande bör läsa relevant flik innan den antar att resultatet följer med.

För det tredje bedömer arenan ljudet, inte det kloningssteg som producerade rösten. Huruvida en omedelbar klon från några sekunders referensljud bevarar en specifik talare är en separat fråga, som ingen här mäter.

Vad händer den 1 december?

Den mest konkreta öppna frågan är inte huruvida Turbo ligger etta – en ledning på sju poäng inom överlappande intervall skulle kunna vändas i nästa poängsättningsomgång utan att något förändras hos HeyGen. Det är vad modellen kostar efter att den kostnadsfria nivån stängs den 30 november 2026.

Två vägar är möjliga. Konverteringen till $4.00 kan vara det stabila priset för en medvetet billig modell för omedelbar röst, och i så fall har den kontrollerade resultattavlan nu en topprankad post på en femtedel av fältets median. Eller så kan Turbo Free vara en kanal för kundanskaffning, och det betalda priset kan ändras när den upphör. HeyGen säger att de kommer att meddela användarna innan erbjudandet ändras, vilket är det enda åtagandet som finns dokumenterat. Tills en leverantörsprislista finns är varje pris här en slutledning — en bra sådan, konsekvent tillämpad, och fortfarande en slutledning.

För team som redan kör en röstpipeline är det praktiska steget den här veckan litet och billigt: rendera tjugo av era egna repliker genom heygen-voice-1-turbo-free med en direktklon, och rendera samma tjugo genom det ni använder i dag. Arenan har berättat för er att motorerna ligger nära varandra på åtta referensröster. Den kan inte säga huruvida Turbo hanterar era produktnamn, era siffror och era pauser. Om ni även anropar språkmodeller eller någon av de hostade talmodellerna i OrcaRouters katalog, kan de ligga bakom en enda nyckel med automatisk failover, vilket håller experimentet borta från er produktionsväg – men HeyGen Voice Turbo självt dirigeras inte dit, så jämförelsekörningen måste gå via HeyGens eget API.

Successionsberättelsen är i slutändan den minst intressanta läsningen. En leverantör som förbättrar sin egen modell med sju Elo på tolv dagar gör vanliga framsteg. En leverantör som lanserar sin bästa klonade röstmotor till ungefär en sjundedel av det listade priset för den föregående är en förändring av vad ett röstlager får kosta — och det är meningen att ta med sig in i en budgetdiskussion.