HeyGen Voice Turbo 對比 HeyGen Voice：7.5 倍降價、七分 Elo，以及 Turbo 辦不到的一項功能

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.

這種不對稱就是整個比較的核心。HeyGen Voice Turbo 和 HeyGen Voice 並不是同一產品的兩個世代、由較新者取代較舊者；它們是同一產品沿著一條穿過聲音類型、而非穿過品質的界線一分為二。在兩者之間做選擇，並不是判斷哪一個聽起來更好的主觀取捨；而是要問你的聲音是即時克隆還是專業克隆，而答案已經寫在 API 裡。

同一個端點，一個不同的字串

HeyGen 的這兩款模型採用完全相同的請求主體。 POST /v3/models/audio/tts 會在合成完成後回傳一個 44.1 kHz 單聲道 WAV 檔；POST /v3/models/audio/tts/stream 則以伺服器傳送事件的形式，回傳依序排列的音訊片段。唯一會變動的是 model 欄位：heygen-voice-1 是預設值，heygen-voice-1-turbo 會選用更快的引擎，而 heygen-voice-1-turbo-free 則是容量受限的免費方案，開放至 2026 年 11 月 30 日。

這兩個端點都會將文字上限設為 5,000 個字元的純文字內容，且兩者皆預設為每位工作區成員每分鐘 30 次請求。兩者都需要一個 啟用中的語音——HeyGen 公開語音或您工作區中的克隆語音。區分點在上一層，也就是語音資格。

Turbo 不會跨越的那條界線

專業克隆只能在heygen-voice-1上執行。這句話出現在 HeyGen 的參考文件中，而這就是明白昭示的決定：以二十分鐘以上音訊訓練而成的專業語音，無論代價多高，都無法由 Turbo 發聲。即時克隆——也就是用一段錄音建立、通常ACTIVE狀態會在幾秒內出現、無需訓練步驟或克隆名額的那種——則可由兩者發聲。

其他一切都遵循相同的邊界。

可用語音 — Turbo：公開語音與即時克隆。HeyGen Voice：公開語音、即時克隆與專業克隆。

• 表現力 — expressiveness_boost 在兩者上皆為 0.0 到 1.0，預設值為 1.0，且僅適用於即時語音。專業語音會拒絕此參數。

• 韻律控制項 — seed、speed（0.75 至 1.25）、pitch_shift（−4 至 +4 半音）以及 pitch_variance（0.5 至 2.0）僅限專業版使用。Instant voices 無論採用哪個模型，都會接受這些設定並默默忽略；在你推出某項功能、而其設定實際上毫無作用之前，這點值得留意。

• 停頓 — <break time="0.5s"/>最多五秒的停頓在專業語音上有效。Instant 語音（包括 Turbo）並不支援這些停頓。兩種模型均不支援其他 SSML。

• 文字與速率 — 每次請求 1 到 5,000 個字元，預設每位工作區成員每分鐘 30 次請求，兩者完全相同。

• 語言 — 42 個用於聲音複製與語音的基礎語言代碼，並包含地區標籤，例如 en-US 與 fr-CA 會正規化為基礎語言。地區標籤不會選取任何地區口音。

• 標價 — Turbo {{1}}$4.00{{/1}} 每百萬字元，HeyGen Voice {{2}}$30.00{{/2}}，兩者皆由 Artificial Analysis 依 HeyGen 的點數定價換算而來，而非由 HeyGen 公布。

七 Elo 有何價值，以及它並非什麼

在 2026 年 10 月 22 日讀取的 Controlled Voice Arena 資料中，HeyGen Voice Turbo 以 1,202 Elo（±19）位居第一，HeyGen Voice 則以 1,195（±15）位居第二。兩者都是根據相同的八個複製參考語音進行評分——四個美國、四個英國——因此這項比較在設計上本就是同條件對比，而這也是唯一一項能讓這兩個模型在完全相同條件下比較的競技場結果。

在那個排行榜上，七分並不是有意義的差距。該排行榜將第一到第三名列為同一個區間，1-3，意味著它自己的統計不願對前三名排序。Turbo 的區間是 1,183 到 1,221；HeyGen Voice 的區間是 1,180 到 1,210。兩者各自 39 點與 31 點的區間寬度中，有 27 點重疊。而 Turbo 的 1,685 個樣本是前五名中最薄弱的證據，相較之下，HeyGen Voice 有 1,964 個，低兩名的 Eleven v4 Turbo 則有 2,593 個。

所以，對品質欄的如實解讀是：雙方打平，Turbo 略佔優勢，而再多幾千票就可能往任一方向抹平這個差距。任何需要這兩個模型分出排名的人，拿到的是一個承載不了這種份量的數字。

相較之下，價格欄位的方向明確，儘管其絕對值是推導而來。Artificial Analysis 對榜單上每家廠商都套用同一種換算方法；若該方法對 HeyGen 的點數制度定價有誤，就會以相同倍數誤定兩個 HeyGen 項目的價格，而 7.5× 在固定誤差下仍成立。若誤差隨模型等級而異，它就不成立——目前公開資料中沒有任何內容顯示這兩個等級的點數計費方式不同——但這是應拿自己的發票核對、而非直接相信的假設。

當「更便宜」不再是正確問題的時候

有三種情況會讓七 Elo 的平局變得無關緊要，價格差距也隨之變得無關緊要。

你擁有專業級的聲音克隆。Turbo 無法將它們唸出來。這場比較在談到成本之前就結束了。heygen-voice-1HeyGen 之所以特意將它保留為預設，正是因為專業聲音需要它；而無論重新錄音多少次，都無法在不重建聲音的前提下，把需要二十分鐘訓練的克隆聲音變成即時可用的版本。

你需要可重現的輸出。種子是專業語音的控制手段，而 Turbo 完全不支援專業語音。如果你的管線會重新生成某一句，並期望得到相同的呈現，那麼兩條即時語音路徑都不提供這個控制手段。

你需要即時語音的時間精確度。兩個模型都接受 with_timestamps，並回傳逐字元的開始與結束時間——在同步端點上，回應中為 original_characters；在串流端點上，則是 character_alignment 事件，同時帶有提交的文字與實際說出的正規化文字。時間戳在兩個模型上都不產生額外成本，因此這並非差異點；這單純是字幕處理流程能夠使用 Turbo 而不損失任何東西的原因。

至於其餘用途——從簡短錄音複製出的品牌語氣、客服代理、一批短句——Turbo 是同等級的引擎，費率卻只要一小部分，而七分 Elo 的差距只是雜訊。

遷移是一個字串，而這就是陷阱所在。

因為請求主體不會改變，切換只需改一個欄位。這也是為什麼團隊會在不做實測的情況下切換。故障模式不是 400；而是某個語音悄悄地無法使用。將專業的 voice_id 傳給 Turbo，請求會失敗——這種失敗很明顯，沒問題。將即時語音搭配 speed: 1.1 送出，你會得到預設速度的音訊，而且不會報錯，因為即時語音會接受並忽略這個參數。一個一直在即時語音上調整韻律的流程，其實早就沒有得到它要求的結果；改用 Turbo 只是讓這個問題更容易被發現。

有一個遷移細節真的很容易被忽略，而且是有明確文件記載的：在 HeyGen Voice 1 之前建立的即時語音，必須重新複製一次，才能透過這一代模型發聲。一個塞滿舊版即時克隆的較舊工作區，不會只是改個模型字串就能正常運作。

在進行基準測試前，HeyGen 自家的預設值值得先看一下，因為廠商提供的是兩套設定。HeyGen Studio 採用 similarity: "max"，在複製時設定；並搭配 expressiveness_boost: 0.5，於合成時使用。API 的預設值是 similarity: "extra_high" 和 expressiveness_boost: 1.0，而 HeyGen 表示在受控排行榜上奪得第一名的正是這套 API 設定。如果你在移轉時照搬 Studio 的設定，就不再是在重現排行榜所評分的那套設定——如果你本來就打算這麼做，那沒問題；但如果你不是，這就會讓基準測試結果令人困惑。

在任何一項決定之前，都值得先做的一項測試

免費方案讓成本低到沒有理由再根據排行榜來做決定。heygen-voice-1-turbo-free 會免費提供公開語音與即時克隆，直到 2026 年 11 月 30 日，無需點數餘額，且 HeyGen 公開語音 Nadine（83548de556df48ba8c09c42a57c51d85）已作為單行起點發布。這是共享容量方案：429 rate_limit_exceeded是負載下預期會出現的狀況，無論你自己的請求速率為何；不保證首次音訊時間，且免費請求永遠不會轉為付費請求。

用 Turbo Free 和 your current model 各渲染同樣的二十行台詞，使用同一個即時克隆，然後仔細聽那些被競技場平均值抹掉的東西：產品名稱、數字、日期，以及只有你的品牌會說、別人都不會說的那些話。如果兩者在你耳中聽不出差別——那七點 Elo 的差距顯示情況正是如此——那麼決定就只剩下帳單，而帳單是 48 美元對上 360 美元。

如果你的技術堆疊也會呼叫其他語音或語言模型，將非 HeyGen 的環節放在單一金鑰後方並搭配容錯移轉，可讓這項比較不落在你的正式環境路徑上；HeyGen Voice Turbo 本身不在 OrcaRouter 的目錄中，因此測試的 HeyGen 部分會透過 HeyGen 自家的 API 執行。路由器在此真正能提供給你的是，能夠同時執行 HeyGen 模型與備援語音，透過單一整合，如此一來，新模型的速率限制或服務中斷就不會變成使用者端的靜默。

歸納這一切得出的規則，一句話就能說完：即時克隆預設採用 Turbo，除非你已實測出不用它的理由；專業克隆採用 HeyGen Voice，因為沒有其他方案能為它們發聲；而任何人都不該根據 Elo 在這兩者之間做選擇。