Haz una prueba A/B de 30 segundos antes de cambiar a HeyGen Voice

Si tu pipeline de doblaje está usando un modelo TTS actual, un nuevo puesto en el ranking es un punto de partida, no una luz verde. HeyGen lanzó su primer modelo de texto a voz propio, HeyGen Voice, el 9 de octubre de 2026. En el Controlled Voice TTS Arena de Artificial Analysis, HeyGen Voice obtuvo 1.201 de Elo en 1.468 apariciones, superando a Qwen-Audio-3.1-TTS-Plus con 1.182, Eleven v4 Turbo con 1.166 y Eleven v4 con 1.162.

La diferencia en el arena es el precio de entrada

Estar unos puntos por detrás del líder no es suficiente para migrar. Una diferencia grande te da una razón para ejecutar una muestra. El ranking te dice que esa voz gana en comparaciones directas. No te dice si los nombres de tus productos, fechas y términos de marca sobreviven a tu guion. Una ventaja pequeña es fácil de revertir con tu propio contenido. Una ventaja mayor es más convincente, pero sigue sin ser una garantía. El arena mide la calidad percibida en abstracto; tu trabajo de doblaje es más estrecho: tiene que sonar bien con las palabras exactas que publicas.

Haz la prueba A/B antes de tocar el pipeline

La prueba de cambio tiene dos verificaciones: primero, compara el Elo del arena, la robustez de pronunciación y el precio por 1M de caracteres; segundo, haz una prueba A/B de una muestra de 30 segundos de tu guion real frente a tu modelo actual. La lista de verificación siguiente cubre esas áreas. Cada punto es rápido.

• Obtén el Elo del arena de HeyGen Voice y de tu modelo actual, y anota la diferencia.
• Genera el mismo guion de 30 segundos con ambas voces y marca cada nombre, fecha o acrónimo mal pronunciado.
• Calcula tu volumen mensual de caracteres frente a la tarifa por 1M de caracteres.
• En el caso de un clon, confirma el flujo de consentimiento y la ventana de entrenamiento antes de grabar nada.

Usa un guion que incluya tus palabras más difíciles: nombres de productos, fechas, abreviaturas y cualquier término no inglés. No uses una frase de marketing pulida si tu pipeline real es técnico. La muestra debe ser lo suficientemente corta para volver a escucharla, pero lo suficientemente larga como para revelar un patrón.

Mantén los archivos de audio lado a lado. No juzgues la nueva voz de forma aislada. Anota cualquier defecto conocido de la voz anterior. Una corrección en la nueva voz es una razón concreta para cambiar.

Reúne la muestra, la diferencia de Elo y la línea de coste en una sola nota. Esa nota es el registro de decisión cuando alguien pregunte por qué cambió el pipeline.

La puntuación de pronunciación es la prueba de estrés para los términos de marca. HeyGen Voice obtuvo 83,1% en la prueba de robustez de pronunciación de Artificial Analysis y se colocó en el puesto 10 de 29 modelos. Eso es sólido, pero no invencible. Tu narración puede depender de nombres de marca, números de modelo o nombres no ingleses. La muestra mostrará lo que el benchmark no puede.

La matemática del precio es donde el cambio vive o muere

HeyGen Voice es gratuito dentro de la propia plataforma y API de HeyGen. El precio de lista reportado es de $30 por cada 1 millón de caracteres, con una velocidad de generación de alrededor de 40 caracteres por segundo. En OpenRouter, HeyGen Voice tiene una tarifa de $15 por millón de caracteres, mientras que HeyGen Voice Turbo tiene $7,50 por millón, con ambos con un 50% de descuento hasta el 31 de octubre de 2026.

Escribe el recuento mensual de caracteres junto a la tarifa. Multiplícalo por el precio por 1M de caracteres y compara el resultado mensual con tu coste actual de TTS. Para lotes pequeños, el precio de lista puede ser trivial; a escala, la tarifa por carácter y la fecha límite del descuento deciden. La velocidad importa, porque una cola lenta puede hacer que una voz barata se sienta cara. Decide si el tiempo de cola es un coste real. Revisa el endpoint exacto que vas a llamar, porque una variante más rápida puede cambiar la matemática.

El clonado de voz añade una línea de consentimiento a la lista

HeyGen vendió un complemento Professional Voice Clone de $99 al mes, entrenado con el consentimiento explícito del hablante usando de 30 minutos a tres horas de su voz. Para una pequeña empresa, una cuota mensual es una decisión diferente a una factura de API por carácter, y es una decisión de consentimiento. La voz de un cliente, empleado o creador convierte el flujo de consentimiento en parte de la A/B, no en una consideración posterior.

Trata un clon como un registro de permiso, no solo como un archivo de voz. Guarda el registro de consentimiento y la duración del entrenamiento en la misma carpeta que la muestra de audio. Cuando el hablante se vaya o la marca cambie, ese registro es lo que mostrarás.