HeyGen Voice so với ElevenLabs: Một #1 mới về Giọng nói nhân bản, và Nhà cung cấp vẫn thống trị bảng xếp hạng

HeyGen Voice đã chiếm vị trí số một trên đấu trường Controlled Voice của Artificial Analysis vào ngày 9 tháng 10 năm 2026 với 1.202 Elo, và mô hình mà nó soán ngôi khỏi vị trí đó là một dòng của ElevenLabs: Eleven v4 Turbo, hiện đứng thứ ba với 1.167. Đó là dòng tít, và nó chính xác. Đó cũng là một phát biểu nhỏ hơn nhiều so với cảm giác khi nghe. Bởi vì các mô hình của cùng nhà cung cấp đó đứng thứ hai, ba, tư, mười một và mười lăm trên cùng bảng có kiểm soát ấy, và Eleven v4 Turbo vẫn đứng đầu trên đấu trường Provider Voices lớn hơn nhiều với 1.328 Elo — hơn HeyGen Voice 126 điểm, trong khi HeyGen Voice hoàn toàn không được xếp hạng ở đó. Một engine thắng một bảng. Nhà cung cấp vẫn làm chủ hạng mục.

Cùng một nhà cung cấp giờ đây đã chiếm năm trong số mười lăm vị trí dẫn đầu.

Bảng xếp hạng có kiểm soát giữ cố định giọng nói — tám giọng tham chiếu được nhân bản, bốn giọng Mỹ và bốn giọng Anh — nên mỗi mục đều được đánh giá dựa trên cách engine xử lý một giọng mà nó không được tự chọn. Bảng đó hiện ghi: 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. Ở phía dưới, Eleven v3 đứng ở 1.072 và v3 Conversational ở 1.056.

Năm trong số mười lăm mục dẫn đầu trong lĩnh vực đó mang cùng tên nhà cung cấp. Đối thủ sở hữu mô hình tốt nhất duy nhất trên bảng xếp hạng có năm mô hình tốt, trải dài hai thế hệ, ở hai mức giá, cộng thêm một biến thể hội thoại vốn hoàn toàn là một sản phẩm khác. Đó là hình hài của một kẻ đương nhiệm khi nhìn từ bên trong vị trí dẫn đầu bảng xếp hạng, và đó là lý do một màn ra mắt ở vị trí số 1 đáng được lên tiêu đề hơn là một kế hoạch di trú.

Các mô hình ElevenLabs thực sự là gì

Eleven v4 Turbo được mô tả trong tài liệu của chính nhà cung cấp là mô hình tiên tiến nhất cho tổng hợp giọng nói thời gian thực, được khuyến nghị cho tác nhân hỗ trợ, trợ lý AI và nhân vật tương tác, được truy cập qua websocket Text to Dialogue với mã định danh mô hình eleven_v4_turbo. ElevenLabs nêu độ trễ suy luận trung vị khoảng 100ms — do nhà cung cấp tự báo cáo, và chú thích cuối trang trên chính trang đó loại trừ độ trễ ứng dụng và độ trễ mạng khỏi con số này, nên đây là con số của engine mô hình, không phải lời hứa về thời gian khứ hồi.

Phạm vi ngôn ngữ của dòng v4 là rộng nhất trong so sánh này, bỏ xa các sản phẩm khác: hơn 90 ngôn ngữ, từ tiếng Afrikaans và tiếng Ả Rập đến tiếng Quảng Đông, tiếng Hindi, tiếng Nhật, tiếng Quan Thoại và tiếng Zulu. Tài liệu của chính HeyGen liệt kê hơn 300 giọng nói dựng sẵn thuộc "hàng chục ngôn ngữ" mà không công bố con số cụ thể, đây là một cách mô tả danh mục khác và không thể so sánh trực tiếp với một con số ngôn ngữ.

Rồi còn có phần hoàn toàn không xuất hiện trên bảng xếp hạng: thư viện giọng nói, các điều khiển độ ổn định và độ tương đồng, tinh chỉnh theo từng yêu cầu, và cả một thập kỷ của bề mặt tích hợp. So sánh mô hình không phải là so sánh nền tảng, và mục của ElevenLabs cạnh tranh trên cả hai.

Bảng tỷ số

• Controlled Voice Elo — HeyGen Voice: 1.202 (#1). Eleven v4 Turbo: 1.167 (#3). Eleven v4: 1.160 (#4).

• Elo Giọng nói Nhà cung cấp — Eleven v4 Turbo: 1.328 (#1 trong 96). HeyGen Voice: không được xếp hạng.

• Giá niêm yết trên 1 triệu ký tự — Eleven v4 Turbo: $40.00. Eleven v4: $80.00. HeyGen Voice: $30.00 theo cách quy đổi của chính arena từ mức giá tín dụng của HeyGen; bản thân HeyGen không công bố đơn giá nào cho giọng nói.

• Độ trễ được công bố — Eleven v4 Turbo: ~100ms suy luận trung vị, không bao gồm độ trễ ứng dụng và mạng (do nhà cung cấp báo cáo). HeyGen Voice: không công bố số liệu.

• Phạm vi ngôn ngữ — dòng ElevenLabs v4: hơn 90 ngôn ngữ (tài liệu nhà cung cấp). HeyGen Voice: "hàng chục ngôn ngữ", chưa công bố số lượng cụ thể.

• Các mô hình trong top mười lăm được kiểm soát — ElevenLabs: năm bậc. HeyGen: một.

Khoảng cách giữa hai bảng là con số thú vị

Eleven v4 Turbo dẫn trước HeyGen Voice 161 điểm trên bảng Provider Voices và kém hơn nó 35 điểm trên bảng kiểm soát. Cả hai con số đều đến từ cùng một trang web, cùng một phương pháp người nghe mù và cùng một khoảng thời gian. Điều tách biệt chúng là giọng nói.

Trên bảng xếp hạng nhà cung cấp, mỗi nhà cung cấp tự cung cấp các giọng nói gốc của riêng mình, nên một công ty đã dành nhiều năm xây dựng và tuyển chọn thư viện giọng nói có thể tung ra những giọng tốt nhất của mình. Trên bảng xếp hạng kiểm soát, lợi thế đó biến mất — engine phải tổng hợp một giọng nói được nhân bản mà nó không lựa chọn. Mức chênh lệch 196 điểm giữa hai kết quả thực chất là phép đo xem bao nhiêu phần vị thế của ElevenLabs đến từ các giọng nói thay vì engine. Đó là một phần lớn. Nó cũng không phải bằng không: 1,167 vẫn xếp thứ ba trong số bốn mươi hai.

Đối với người mua, điều đó quy về một câu hỏi cụ thể. Nếu bạn đang chọn một giọng nói từ thư viện của nhà cung cấp, bảng xếp hạng nhà cung cấp chính là bảng của bạn, và vị trí của ElevenLabs ở đó là không thể tranh cãi. Nếu bạn đang nhân bản một người nói cụ thể, bảng xếp hạng được kiểm soát chính là bảng của bạn, và tuần này nó có một cái tên mới ở vị trí dẫn đầu.

Chi phí của bên đương nhiệm không thay đổi

Eleven v4 Turbo có giá 40 đô-la một triệu ký tự trên API của nhà cung cấp, còn Eleven v4 đời cũ là 80 đô-la — gấp đôi, cho một mô hình kém hơn bảy điểm Elo trên bảng kiểm soát. Mức chênh lệch trong cùng một nhà cung cấp đó đáng để dừng lại suy ngẫm: hai mô hình từ cùng một công ty, giá cách nhau 2×, thứ hạng cách nhau ba bậc.

Phía HeyGen trong phép so sánh giá là có tồn tại, nhưng không ở dạng mà HeyGen đã công bố. Đấu trường này liệt kê mức giá của nó là 30,00 đô la cho mỗi triệu ký tự — thấp hơn 10 đô la so với gói ElevenLabs mà nó đã soán ngôi, và bằng 62% mức 80 đô la của Eleven v4 đời cũ — nhưng con số đó là quy đổi của Artificial Analysis, chứ không phải báo giá của nhà cung cấp: trang báo giá công khai của HeyGen bán credit (600 credit với 29 đô/tháng, 1.000 với 49 đô, 1.500 với 149 đô) và ghi rõ rằng mức tiêu thụ thay đổi tùy theo model, thời lượng và độ phức tạp, mà không nêu mức giá theo giọng nói. Vậy là kẻ thách thức có điểm số giọng nhân bản tốt hơn đang được định giá thấp hơn đương kim giữ ngôi tới một phần tư, dựa trên một con số mà đương kim không phải tự suy ra.

Nơi mỗi bên thực sự giành chiến thắng

Chọn ElevenLabs khi ràng buộc là độ phủ. Hơn chín mươi ngôn ngữ, năm bậc xếp hạng trên bảng có kiểm soát, một thư viện giọng nói trưởng thành, và một biến thể hội thoại có giá 50 đô la mỗi triệu ký tự mà bảng có kiểm soát xếp thứ mười lăm — sự kết hợp đó khó có thể tập hợp được ở nơi khác, và đó là lý do vì sao vị thế dẫn đầu của nhà cung cấp vẫn trụ được sau khi mất ghế số 1.

Kiểm tra HeyGen Voice khi ràng buộc là sự đồng nhất. Một người nói, hàng nghìn câu thoại, một bản sao phải nghe giống người nói đó trong mọi lần — đó chính là khối lượng công việc mà đấu trường có kiểm soát mô phỏng, và HeyGen Voice hiện là engine đạt điểm cao nhất ở việc này. Lộ trình bản sao chuyên nghiệp được huấn luyện trên hơn hai mươi phút âm thanh mới là sản phẩm phù hợp cho công việc đó, chứ không phải bản sao tức thì từ một bản ghi duy nhất.

Đừng coi 1,202 là bằng chứng rằng HeyGen Voice nói chung đánh bại ElevenLabs. Nó chỉ đánh bại một hạng của ElevenLabs trên một bảng. Ba hạng khác nằm trong khoảng 42 điểm so với nó, và người dẫn đầu của bảng kia vượt nó 126 điểm.

Thử nghiệm một sản phẩm thách thức mà không cần di trú

Sự bất đối xứng về chi phí ở đây mới là phần hữu ích: hoán đổi giọng nói thì rẻ để xây dựng và nghe ra ngay nếu có sai sót, còn giải pháp hiện hữu ở mức 40 đô la mỗi triệu ký tự là một thứ đắt đỏ để cứ chạy mãi trên lưu lượng mà đối thủ xử lý tốt hơn. Cách giải quyết là chạy cả hai phía sau một tích hợp duy nhất và để chính âm thanh của bạn quyết định — OrcaRouter đặt cả hai trên một khóa API duy nhất theo giá niêm yết của nhà cung cấp, không markup, nên thay đổi giá của nhà cung cấp được phản ánh tại nguồn thay vì khi gia hạn hợp đồng, và cơ chế chuyển đổi dự phòng tự động nghĩa là một yêu cầu giọng nói thất bại sẽ chuyển sang engine kia thay vì im lặng. Ở lần chạy đầu, bạn có thể dồn trọng số lưu lượng về engine mà tai bạn thích hơn trên một fixture nhỏ, và DSL định tuyến cho phép bạn giữ một engine cho phần tường thuật đã kết xuất trước và engine kia cho các lượt tương tác mà không cần thư viện client thứ hai.

Điều gì sẽ thay đổi câu chuyện này?

Việc HeyGen Voice tham gia đấu trường Provider Voices sẽ cho chúng ta biết liệu lợi thế dẫn đầu về giọng nói nhân bản có chuyển thành các giọng nói bản xứ cạnh tranh được hay không — phép thử mà ElevenLabs vượt qua ở mức 1.328. Một mức giá giọng nói trên trang định giá của chính HeyGen sẽ biến con số $30,00 được suy ra của đấu trường thành phép tính bạn có thể kiểm toán. Và thêm một tháng bình chọn nữa sẽ cho thấy liệu khoảng cách 16 Elo so với Qwen-Audio-3.1-TTS-Plus là một thứ tự ổn định hay chỉ là một ảnh chụp nhanh. Bất kỳ điều nào trong ba điều đó đều có thể làm thay đổi khuyến nghị; chưa điều nào xảy ra, và tóm tắt trung thực cho đến khi chúng xảy ra là HeyGen Voice đã thắng bảng có kiểm soát còn ElevenLabs vẫn dẫn đầu hạng mục.