HeyGen Voice Turbo vs HeyGen Voice: En prissänkning på 7,5×, sju Elo-poäng och en funktion som Turbo inte kan

Pick a number: twelve million characters a month, roughly twenty-five hours of narration. At Artificial Analysis's listed rates for HeyGen's two speech models, that bill is $360 on HeyGen Voice and $48 on HeyGen Voice Turbo. The quality difference the same leaderboard quotes between them is seven Elo points, on a board where the top three models occupy a single statistical band and the two HeyGen entries' confidence intervals overlap almost completely. When a vendor later restates a price or a score that a comparison like this one leaned on, the correction is logged with its dates and sources in the AI Incident Archive, next to the rest of the model and vendor failures we track.

Den asymmetrin är hela jämförelsen. HeyGen Voice Turbo och HeyGen Voice är inte två generationer av en och samma produkt där den nyare ersätter den äldre; de är en produkt delad i två utefter en linje som löper genom rösttypen, inte genom kvaliteten. Att välja mellan dem är inte en bedömningsfråga om vilken som låter bättre. Det är en fråga om huruvida dina röster är omedelbara kloner eller professionella kloner, och svaret står skrivet i API:et.

Samma slutpunkt, en annan sträng

HeyGen levererar båda modellerna bakom identiska förfrågningskroppar. POST /v3/models/audio/tts returnerar en 44,1 kHz mono WAV efter att syntesen slutförts; POST /v3/models/audio/tts/stream returnerar ordnade ljuddelar som server-sent events. Det enda som ändras är modelfältet: heygen-voice-1 är standard, heygen-voice-1-turbo väljer den snabbare motorn, och heygen-voice-1-turbo-free är en kapacitetsbegränsad gratisnivå som är öppen till 30 november 2026.

Båda slutpunkterna begränsar texten till 5 000 tecken vanlig löpande text och båda har som standard 30 förfrågningar per minut per arbetsytemedlem. Båda kräver en AKTIV röst – en offentlig HeyGen-röst eller en klon i din arbetsyta. Uppdelningen sker en nivå upp, vid röstbehörighet.

Linjen som Turbo inte korsar

Professionella kloner körs endast på heygen-voice-1. Den meningen förekommer i HeyGens referensdokumentation och det är beslutet, uttryckt rakt på sak: en professionell röst tränad på tjugo minuter eller mer av ljud kan inte talas av Turbo oavsett pris. Direktkloner – den typ som skapas från en enda inspelning, vanligtvis AKTIV inom några sekunder, utan ett träningssteg eller en klonplats – kan talas av båda.

Allt annat följer samma gräns.

• Tillgängliga röster — Turbo: offentliga röster och omedelbara kloner. HeyGen Voice: offentliga röster, omedelbara kloner och professionella kloner.

• Uttrycksfullhet — expressiveness_boost från 0,0 till 1,0 på båda, standard 1,0, och det gäller endast omedelbara röster. Professionella röster avvisar parametern.

• Prosodikontroller — seed, speed (0,75 till 1,25), pitch_shift (−4 till +4 semitoner) och pitch_variance (0,5 till 2,0) är endast för proffsanvändare. Instant voices, på endera modellen, accepterar och ignorerar dem tyst, vilket är värt att veta innan du lanserar en funktion vars inställningar i tysthet inte gör något.

• Pauser — <break time="0.5s"/>Pauser på upp till fem sekunder fungerar med professionella röster. Instant-röster, inklusive Turbo, beaktar dem inte. Ingen annan SSML stöds på någon av modellerna.

• Text och frekvens – 1 till 5 000 tecken per begäran, 30 förfrågningar per minut och arbetsytemedlem som standard, identiskt för båda.

• Språk – 42 baspråkkoder för kloning och tal, med regionala taggar såsom en-US och fr-CA, vilka normaliseras till basspråket. En regional tagg väljer ingen regional accent.

• Angivet pris – Turbo $4.00 per miljon tecken, HeyGen Voice $30.00, båda omräknade av Artificial Analysis från HeyGens kreditprissättning snarare än publicerade av HeyGen.

Vad de sju Elo är värda, och vad de inte är

I Controlled Voice Arena-avläsningen den 22 oktober 2026 ligger HeyGen Voice Turbo först på 1 202 Elo (±19) och HeyGen Voice tvåa på 1 195 (±15). Båda poängsattes på samma åtta klonade referensröster – fyra amerikanska, fyra brittiska – så jämförelsen är likvärdig till sin konstruktion, och det är det enda arenaresultatet där de två modellerna kan hållas under identiska förhållanden.

Sju poäng på den tavlan är inte en meningsfull marginal. Tavlan visar placeringarna ett till tre som ett band, 1–3, vilket innebär att dess egen statistik avstår från att rangordna de tre bästa. Turbos intervall sträcker sig från 1 183 till 1 221; HeyGen Voices sträcker sig från 1 180 till 1 210. De överlappar i 27 av sina respektive 39 och 31 poängs bredd. Och Turbos 1 685 sampel är det tunnaste underlaget i topp fem, mot 1 964 för HeyGen Voice och 2 593 för Eleven v4 Turbo två placeringar längre ned.

Så den ärliga läsningen av kvalitetskolumnen är ett oavgjort läge med en liten fördel för Turbo som några tusen röster till skulle kunna sudda ut åt endera hållet. Den som behöver få dessa två modeller rangordnade har fått tag i en siffra som inte kan bära vikten.

Priskolumnen är däremot entydig till sin riktning, även om dess absoluta värden är härledda. Artificial Analysis tillämpar en och samma omvandlingsmetod för alla leverantörer i tabellen; om metoden prissätter HeyGens kreditsystem fel, prissätter den båda HeyGen-posterna fel med samma faktor, och 7,5× överlever ett konstant fel. Det skulle inte överleva ett fel som varierar mellan modellnivåer – och inget som publicerats tyder på att de två nivåerna debiterar krediter olika – men det är antagandet du bör kontrollera mot din egen faktura i stället för att lita på.

Där "billigare" slutar vara rätt fråga

Tre situationer gör att den sju Elo-poäng långa delningen blir irrelevant, och därmed även prisskillnaden.

Du har professionella kloner. Turbo kan inte låta dem tala. Jämförelsen tar slut före kostnaden. HeyGen behåller heygen-voice-1 som standard just för att professionella röster behöver den, och oavsett hur mycket man spelar in igen förvandlas inte en klon som tränats i tjugo minuter till en omedelbar sådan utan att rösten byggs om.

Du behöver reproducerbar utdata. Seeds är en kontroll för professionella röster, och Turbo stöder inte professionella röster alls. Om din pipeline regenererar en rad och förväntar sig samma leverans ger ingen av direktröstvägarna dig den spaken.

Du behöver tids precision för omedelbara röster. Båda modellerna accepterar with_timestamps och returnerar start- och sluttider per tecken – på den synkrona slutpunkten som original_characters i svaret, på strömningsslutpunkten som character_alignment-händelser som bär både den insända texten och den normaliserade text som faktiskt läses upp. Tidsstämplar kostar ingenting på någon av modellerna, så detta är ingen särskiljande faktor; det är helt enkelt anledningen till att en undertextningspipeline kan använda Turbo utan att förlora något.

För de övriga fallen – en varumärkesröst klonad från en kort inspelning, en supportagent, ett gäng korta rader – är Turbo samma motorklass till en bråkdel av kostnaden, och de sju Elo-poängen är brus.

Migrationen är en sträng, och det är fällan.

Eftersom förfrågningskroppen inte ändras är bytet ett enda fält. Det är också därför team byter utan att mäta. Felläget är inte en 400; det är en röst som tyst inte kan användas. Skicka en professionell voice_id till Turbo och förfrågan misslyckas – den är högljudd och okej. Skicka en instant-röst med speed: 1.1 och du får ljud i standardhastighet utan fel, eftersom instant-röster accepterar och ignorerar parametern. En pipeline som har finjusterat prosodi på instant-röster fick redan inte det den bad om; att byta till Turbo gör bara upptäckten mer sannolik.

Det finns en migreringsdetalj som verkligen är lätt att missa och som finns dokumenterad: instant voices som skapades före HeyGen Voice 1 måste klonas igen innan de kan tala genom den här generationen av modellen. En äldre arbetsyta full av äldre instant-kloner kommer inte bara att byta en modellsträng och fungera.

HeyGens egna standardvärden är värda en titt innan du benchmarkar, eftersom leverantören kör två konfigurationer. HeyGen Studio levereras med similarity: "max" vid kloning med expressiveness_boost: 0.5 vid syntes. API:ets standardvärden är similarity: "extra_high" och expressiveness_boost: 1.0, och det är den API-konfigurationen som HeyGen säger tog förstaplatsen på den kontrollerade resultattavlan. Om du speglar Studio-inställningarna vid en migrering återger du inte längre den konfiguration som leaderboarden poängsatte – vilket är helt okej om du menade det, och ett förvirrande benchmarkresultat om du inte gjorde det.

Ett test som är värt att genomföra före endera av besluten

Gratisnivån gör detta tillräckligt billigt för att det inte finns någon anledning att fatta beslut utifrån en topplista. heygen-voice-1-turbo-free talar offentliga röster och omedelbara kloner utan kostnad fram till 30 november 2026, utan krav på kreditbalans och HeyGens offentliga röst Nadine (83548de556df48ba8c09c42a57c51d85) publicerad som en enradig startpunkt. Det är en nivå med delad kapacitet: 429 rate_limit_exceeded förväntas vid belastning oavsett din egen förfrågningsfrekvens, tid till första ljud garanteras inte, och en gratisbegäran övergår aldrig till en betald.

Rendera samma tjugo rader på Turbo Free och på din nuvarande modell, med samma omedelbara klon, och lyssna efter det som arenan medelvärdesbildar bort: produktnamn, siffror, datum och allt som ditt varumärke säger som ingen annan gör. Om de två är omöjliga att skilja åt för dina öron – vilket de sju Elo-poängen antyder att de kommer att vara – reduceras beslutet till kostnaden, och kostnaden är $48 mot $360.

Om din stack även anropar andra tal- eller språkmodeller, att sätta de icke-HeyGen-delarna bakom en enda nyckel med failover håller jämförelsen utanför din produktionsväg; HeyGen Voice Turbo finns inte i OrcaRouters katalog, så HeyGen-sidan av testet körs mot HeyGens eget API. Det en router faktiskt ger dig här är möjligheten att köra både HeyGen-modellerna och en reservröst från en enda integration, så att en hastighetsbegränsning eller ett avbrott på den nya modellen inte blir en tystnad för användaren.

Regeln som allt detta leder fram till ryms i en mening: direktkloner tar Turbo om du inte har mätt upp ett skäl att låta bli, professionella kloner tar HeyGen Voice eftersom inget annat talar dem, och ingen bör välja mellan dessa två utifrån Elo.