HeyGen Voice Turbo vs HeyGen Voice: Giảm giá 7,5 lần, bảy điểm Elo và một tính năng mà Turbo không thể làm được

Chọn một con số: mười hai triệu ký tự mỗi tháng, tương đương khoảng hai mươi lăm giờ tường thuật. Với mức giá niêm yết của Artificial Analysis cho hai mô hình giọng nói của HeyGen, hóa đơn đó là 360 đô la cho HeyGen Voice và 48 đô la cho HeyGen Voice Turbo. Sự khác biệt chất lượng mà cùng bảng xếp hạng đó nêu giữa hai mô hình là bảy điểm Elo, trên một bảng xếp hạng nơi ba mô hình đứng đầu nằm trong cùng một dải thống kê và khoảng tin cậy của hai mục HeyGen chồng lấn gần như hoàn toàn. Khi một nhà cung cấp sau đó công bố lại mức giá hoặc điểm số mà một so sánh như thế này đã dựa vào, bản đính chính được ghi lại kèm ngày tháng và nguồn trong AI Incident Archive, bên cạnh phần còn lại của các lỗi mô hình và nhà cung cấp mà chúng tôi theo dõi.

Sự bất đối xứng đó chính là toàn bộ phép so sánh. HeyGen Voice Turbo và HeyGen Voice không phải là hai thế hệ của cùng một sản phẩm với bản mới thay thế bản cũ; chúng là một sản phẩm bị tách làm hai dọc theo một ranh giới chạy qua loại giọng nói, chứ không phải chất lượng. Việc chọn giữa chúng không phải là đánh giá xem cái nào nghe hay hơn. Đó là câu hỏi liệu giọng của bạn là bản sao tức thời hay bản sao chuyên nghiệp, và câu trả lời được ghi ngay trong API.

Cùng endpoint, chỉ khác một chuỗi

HeyGen cung cấp cả hai mô hình qua cùng một cấu trúc yêu cầu. POST /v3/models/audio/tts trả về một tệp WAV mono 44,1 kHz sau khi quá trình tổng hợp hoàn tất; POST /v3/models/audio/tts/stream trả về các phần âm thanh theo thứ tự dưới dạng sự kiện do máy chủ gửi. Điều duy nhất thay đổi là trường model: heygen-voice-1 là mặc định, heygen-voice-1-turbo chọn engine nhanh hơn, và heygen-voice-1-turbo-free là gói miễn phí giới hạn dung lượng, mở đến ngày 30 tháng 11 năm 2026.

Cả hai endpoint đều giới hạn văn bản ở 5.000 ký tự văn xuôi thuần túy và cả hai mặc định ở 30 yêu cầu mỗi phút cho mỗi thành viên không gian làm việc. Cả hai đều yêu cầu một ACTIVE giọng nói — một giọng nói công khai của HeyGen hoặc một bản sao trong không gian làm việc của bạn. Sự phân tách diễn ra ở cấp cao hơn, tại điều kiện đủ về giọng nói.

Lằn ranh mà Turbo không vượt qua

Bản sao chuyên nghiệp chỉ chạy trên heygen-voice-1. Câu đó xuất hiện trong tài liệu tham khảo của HeyGen và đó chính là quyết định, được nêu thẳng thừng: một giọng nói chuyên nghiệp được huấn luyện trên hai mươi phút âm thanh trở lên thì Turbo không thể đọc được ở bất kỳ mức giá nào. Bản sao tức thì — loại được tạo từ một bản ghi âm, thường ACTIVE trong vòng vài giây, không cần bước huấn luyện hay một suất bản sao — thì cả hai đều có thể đọc được.

Mọi thứ khác đều tuân theo cùng ranh giới đó.

• Giọng nói có sẵn — Turbo: giọng nói công khai và bản sao tức thì. HeyGen Voice: giọng nói công khai, bản sao tức thì và bản sao chuyên nghiệp.

• Độ biểu cảm — expressiveness_boost từ 0.0 đến 1.0 trên cả hai, mặc định là 1.0, và nó chỉ áp dụng cho giọng tức thời. Giọng chuyên nghiệp sẽ từ chối tham số này.

• Điều khiển ngữ điệu — seed, speed (0.75 đến 1.25), pitch_shift (−4 đến +4 semitone) và pitch_variance (0.5 đến 2.0) chỉ dành riêng cho gói Professional. Instant voices, trên cả hai model, vẫn chấp nhận rồi âm thầm bỏ qua chúng — điều này đáng để biết trước khi bạn tung ra một tính năng mà các thiết lập của nó lặng lẽ chẳng có tác dụng gì.

• Tạm dừng — <break time="0.5s"/>tạm dừng tối đa năm giây hoạt động trên giọng chuyên nghiệp. Giọng tức thời, bao gồm cả Turbo, không tuân theo chúng. Không có SSML nào khác được hỗ trợ trên cả hai mô hình.

• Văn bản và tần suất — 1 đến 5.000 ký tự mỗi yêu cầu, mặc định 30 yêu cầu mỗi phút cho mỗi thành viên không gian làm việc, giống hệt nhau ở cả hai.

• Ngôn ngữ — 42 mã ngôn ngữ cơ sở để nhân bản và tổng hợp giọng nói, với các thẻ khu vực như en-US và fr-CA được chuẩn hóa về ngôn ngữ cơ sở. Thẻ khu vực không chọn giọng khu vực nào.

Giá niêm yết — Turbo $4.00 mỗi triệu ký tự, HeyGen Voice $30.00, cả hai đều do Artificial Analysis quy đổi từ mức giá theo tín dụng của HeyGen chứ không phải do HeyGen công bố.

Bảy điểm Elo có giá trị gì, và không có giá trị gì

Trong kết quả ghi nhận trên Controlled Voice Arena ngày 22 tháng 10 năm 2026, HeyGen Voice Turbo đứng đầu với 1.202 Elo (±19) và HeyGen Voice đứng thứ hai với 1.195 (±15). Cả hai đều được chấm điểm trên cùng tám giọng tham chiếu đã nhân bản — bốn giọng Mỹ, bốn giọng Anh — nên xét theo cách thiết lập, đây là phép so sánh tương đương hoàn toàn, và đây là kết quả đấu trường duy nhất mà hai mô hình có thể được đặt trong những điều kiện giống hệt nhau.

Bảy điểm trên bảng xếp hạng đó không phải là một khoảng cách đáng kể. Bảng xếp hạng in các hạng từ một đến ba thành một nhóm, 1-3, nghĩa là số liệu thống kê của chính nó không phân định thứ tự ba vị trí đầu. Khoảng của Turbo chạy từ 1.183 đến 1.221; khoảng của HeyGen Voice là 1.180 đến 1.210. Chúng chồng lấn 27 điểm trong độ rộng tương ứng 39 và 31 điểm của mỗi bên. Và 1.685 mẫu của Turbo là bằng chứng mỏng nhất trong top năm, so với 1.964 của HeyGen Voice và 2.593 của Eleven v4 Turbo ở vị trí thấp hơn hai hạng.

Vậy cách đọc trung thực ở cột chất lượng là một thế hòa, với lợi thế nhẹ nghiêng về Turbo mà vài nghìn phiếu nữa có thể xóa bỏ theo bất kỳ hướng nào. Ai cần xếp hạng hai mô hình này thì đã cầm lên một con số không thể gánh nổi sức nặng.

Cột giá, ngược lại, rõ ràng về hướng ngay cả khi các giá trị tuyệt đối của nó là giá trị suy ra. Artificial Analysis áp dụng một phương pháp quy đổi cho mọi nhà cung cấp trên bảng; nếu phương pháp đó định giá sai hệ thống tín dụng của HeyGen, thì nó định giá sai cả hai mục HeyGen theo cùng một hệ số, và 7,5× vẫn đứng vững trước một sai số không đổi. Nó sẽ không đứng vững trước một sai số thay đổi theo hạng mô hình — và không có tài liệu công bố nào cho thấy hai hạng này tính tín dụng khác nhau — nhưng đó là giả định cần đối chiếu với hóa đơn của bạn thay vì tin tưởng.

Nơi “rẻ hơn” không còn là câu hỏi đúng đắn nữa

Ba tình huống khiến thế ngang bằng bảy Elo trở nên không đáng kể, và kéo theo đó, khoảng cách giá cũng không đáng kể.

Bạn có những bản sao chuyên nghiệp. Turbo không thể nói bằng chúng. So sánh dừng lại trước khi xét đến chi phí. HeyGen giữ heygen-voice-1 làm mặc định chính vì giọng chuyên nghiệp cần đến nó, và dù có ghi âm lại bao nhiêu lần cũng không thể biến một bản sao được huấn luyện trong hai mươi phút thành một bản tức thời mà không xây dựng lại giọng nói.

Bạn cần đầu ra có thể tái tạo. Seeds là cơ chế điều khiển giọng chuyên nghiệp, còn Turbo hoàn toàn không hỗ trợ giọng chuyên nghiệp. Nếu pipeline của bạn tạo lại một câu thoại và mong muốn cách thể hiện y hệt, thì cả hai đường instant-voice đều không cho bạn khả năng kiểm soát đó.

Bạn cần độ chính xác về thời gian trên giọng nói tức thời. Cả hai mô hình đều chấp nhận with_timestamps và trả về thời gian bắt đầu và kết thúc của từng ký tự — trên endpoint đồng bộ dưới dạng original_characters trong phản hồi, trên endpoint luồng dưới dạng các sự kiện character_alignment mang cả văn bản đã gửi và văn bản đã chuẩn hoá thực sự được đọc. Dấu thời gian không tốn gì trên cả hai mô hình, vì vậy đây không phải là yếu tố khác biệt; nó chỉ đơn giản là lý do một pipeline tạo phụ đề có thể dùng Turbo mà không mất gì.

Với những trường hợp còn lại — một giọng thương hiệu được nhân bản từ một đoạn ghi âm ngắn, một nhân viên hỗ trợ, một loạt các dòng ngắn — Turbo vẫn thuộc cùng đẳng cấp động cơ với chi phí chỉ bằng một phần nhỏ, và bảy điểm Elo chỉ là nhiễu.

Migration là một chuỗi, và đó chính là cái bẫy.

Vì phần thân yêu cầu không thay đổi, việc chuyển đổi chỉ là một trường. Đó cũng là lý do các nhóm sẽ chuyển mà không đo lường. Chế độ lỗi không phải là mã 400; mà là một giọng nói lặng lẽ không thể dùng được. Gửi một voice_id chuyên nghiệp đến Turbo và yêu cầu sẽ thất bại — lỗi đó thì hiển nhiên và không sao. Gửi một giọng tức thì với speed: 1.1 và bạn nhận được âm thanh ở tốc độ mặc định mà không có lỗi, vì các giọng tức thì chấp nhận và bỏ qua tham số. Một pipeline đã tinh chỉnh ngữ điệu trên các giọng tức thì vốn đã không nhận được thứ nó yêu cầu; chuyển sang Turbo chỉ làm cho việc phát hiện ra điều đó dễ xảy ra hơn.

Có một chi tiết chuyển đổi thực sự dễ bị bỏ sót và đã được ghi rõ trong tài liệu: các giọng tức thời được tạo trước HeyGen Voice 1 phải được nhân bản lại trước khi chúng có thể nói qua thế hệ mô hình này. Một không gian làm việc cũ đầy những bản sao tức thời kế thừa sẽ không chỉ đơn giản đổi một chuỗi mô hình là chạy được.

Các giá trị mặc định của chính HeyGen đáng để xem trước khi bạn chạy benchmark, vì nhà cung cấp chạy hai cấu hình. HeyGen Studio xuất ra similarity: "max" tại thời điểm clone với expressiveness_boost: 0.5 khi tổng hợp. Các mặc định của API là similarity: "extra_high" và expressiveness_boost: 1.0, và chính cấu hình API đó là cấu hình mà HeyGen nói đã giành vị trí đầu tiên trên bảng có kiểm soát. Nếu bạn sao chép cài đặt Studio trong một lần di chuyển, bạn không còn tái tạo cấu hình mà bảng xếp hạng đã chấm điểm — điều đó không sao, nếu bạn cố ý làm vậy, và sẽ là một kết quả benchmark khó hiểu nếu bạn không cố ý.

Một bài kiểm tra đáng để thực hiện trước cả hai quyết định

Gói miễn phí khiến việc này đủ rẻ đến mức không có lý do gì để quyết định dựa trên bảng xếp hạng. heygen-voice-1-turbo-free cung cấp giọng công khai và bản sao tức thì miễn phí cho đến ngày 30 tháng 11 năm 2026, không cần số dư tín dụng và giọng công khai Nadine của HeyGen (83548de556df48ba8c09c42a57c51d85) được công bố như một điểm khởi đầu chỉ một dòng. Đây là bậc có dung lượng chia sẻ: lỗi 429 rate_limit_exceeded được dự kiến sẽ xảy ra khi có tải, bất kể tốc độ yêu cầu của chính bạn; thời gian đến âm thanh đầu tiên không được đảm bảo và một yêu cầu miễn phí sẽ không bao giờ chuyển thành yêu cầu trả phí.

Hãy render cùng hai mươi dòng đó trên Turbo Free và trên mô hình hiện tại của bạn, với cùng một bản clone tức thì, rồi lắng nghe những thứ mà arena đã trung bình hóa đi: tên sản phẩm, con số, ngày tháng và bất cứ điều gì thương hiệu của bạn nói mà không ai khác nói. Nếu tai bạn thấy hai bên không thể phân biệt — mà bảy Elo cho thấy sẽ đúng là như vậy — thì quyết định chỉ còn là hóa đơn, và hóa đơn là $48 so với $360.

Nếu stack của bạn cũng gọi các mô hình giọng nói hoặc ngôn ngữ khác, việc đặt các nhánh không phải HeyGen phía sau một khóa duy nhất có failover giúp tách phép so sánh khỏi luồng production của bạn; bản thân HeyGen Voice Turbo không có trong danh mục của OrcaRouter, nên phía HeyGen của bài kiểm thử chạy với API riêng của HeyGen. Điều mà một router thực sự mang lại cho bạn ở đây là khả năng chạy cả hai mô hình HeyGen và một giọng nói dự phòng từ một tích hợp duy nhất, để giới hạn tốc độ hoặc sự cố ngừng dịch vụ trên mô hình mới không trở thành sự im lặng mà người dùng gặp phải.

Quy tắc rút ra từ tất cả những điều này gói gọn trong một câu: bản sao tức thì dùng Turbo trừ khi bạn đã đo đạc và thấy có lý do để không dùng, bản sao chuyên nghiệp dùng HeyGen Voice vì không có thứ gì khác nói được chúng, và không ai nên chọn giữa hai lựa chọn này dựa trên Elo.