Voxtral TTS 3 und HeyGen Voice: Was ein Sprechertext wirklich kostet
Vergleiche die neuen externen Sprach-APIs mit den Stimmen auf OmniArt. Trenne Dollarpreise von Credits, prüfe die Sprachgrenzen und wähle für einen Live-Agenten oder eine fertige Sprachaufnahme.
Voxtral TTS 3 und HeyGen Voice bringen neue API-Preise pro Zeichen ins Spiel. Für das Budget einer Sprachaufnahme zählt aber vor allem, was bis zur freigegebenen Aufnahme nötig ist: Zielsprache, brauchbare Sprechweise, Skriptlänge und zusätzliche Takes spielen alle eine Rolle. Dieser Vergleich stellt die externen APIs den Sprachoptionen gegenüber, die du im Audio-Modus von OmniArt auswählen kannst.
Geprüft am 26. Oktober 2026: Weder Voxtral TTS 3 noch HeyGen Voice stehen im öffentlichen Katalog von OmniArt. Die folgenden USD-Preise stammen von Mistral beziehungsweise fal. Die verfügbaren Modelle auf OmniArt verwenden Credits; beide Einheiten werden getrennt dargestellt.
Voxtral TTS 3 und HeyGen Voice: Was erschienen ist#
Mistral datiert Voxtral TTS 3 (Öffnet sich in einem neuen Tab) auf den 20. Oktober 2026 und kennzeichnet es als öffentliche Vorschauversion. Die Ankündigung (Öffnet sich in einem neuen Tab) beschreibt Sprachgenerierung im Stapelbetrieb und in Echtzeit. Das sind Anbieterangaben zu den Fähigkeiten, geprüft am 26. Oktober 2026, keine Ergebnisse eines Hörtests von OmniArt.
fal kündigte HeyGen Voice (Öffnet sich in einem neuen Tab) am 21. Oktober 2026 an. Die aktuellen Einträge für Standard (Öffnet sich in einem neuen Tab) und Turbo (Öffnet sich in einem neuen Tab) bieten Sprachausgabe mit einer Bibliotheksstimme oder einer Referenzaufnahme. Die Preise hier sind Plattformpreise von fal, geprüft am 26. Oktober 2026; sie belegen keinen Preis für die eigene direkte API von HeyGen.
Preis pro 1.000 Zeichen im Vergleich#
Die Tabelle der externen APIs verwendet ausschließlich USD. Mistrals Preis sowie die regulären Preise und Aktionspreise von fal stammen aus den Anbieter- beziehungsweise Plattformeinträgen, geprüft am 26. Oktober 2026. Die Umrechnung auf tausend Zeichen vereinheitlicht die Abrechnungseinheit; sie misst keine Sprachqualität.
| Externes Modell / Plattform | Angegebener Abrechnungspreis | USD pro 1.000 Zeichen | Textlimit pro Anfrage |
|---|---|---|---|
| Voxtral TTS 3 / Mistral (Öffnet sich in einem neuen Tab) | 13 US$ pro Million Zeichen | 0,013 US$ | Aus der hier geprüften Modellkarte nicht ersichtlich |
| HeyGen Voice / fal (Öffnet sich in einem neuen Tab) | 0,03 US$ pro 1.000 Zeichen, regulär | 0,03 US$ regulär; 0,015 US$ Aktionspreis | 5.000 Zeichen |
| HeyGen Voice Turbo / fal (Öffnet sich in einem neuen Tab) | 0,004 US$ pro 1.000 Zeichen, regulär | 0,004 US$ regulär; 0,002 US$ Aktionspreis | 5.000 Zeichen |
fal bewirbt auf beiden Voice-Seiten eine 50-%-Aktion bis zum 31. Oktober 2026. Prüfe diese Seiten erneut, bevor du für die Zeit danach kalkulierst. Die Limits stammen aus den Schemas für Standard (Öffnet sich in einem neuen Tab) und Turbo (Öffnet sich in einem neuen Tab) von fal, geprüft am 26. Oktober 2026.
Die folgende Tabelle verwendet ausschließlich OmniArt-Credits, basierend auf dem Modellkatalog und der gemeinsamen Preisberechnung für Sprachmodelle von OmniArt, geprüft am 26. Oktober 2026. Die öffentlichen Modelllinks öffnen die jeweiligen Modellseiten.
| Verfügbares Modell auf OmniArt | Credits pro angefangenem Zeichenblock | Credits pro 1.000 Zeichen | Skriptlimit | Mindestplan |
|---|---|---|---|---|
| Eleven v3 | 1 pro 50 Zeichen | 20 | 5.000 Zeichen | Starter |
| Eleven Multilingual v2 | 1 pro 50 Zeichen | 20 | 10.000 Zeichen | Starter |
| Eleven Turbo v2.5 | 1 pro 100 Zeichen | 10 | 20.000 Zeichen | Starter |
| MiniMax Speech 2.8 HD | 1 pro 50 Zeichen | 20 | 9.999 Zeichen | Free |
| MiniMax Speech 2.8 Turbo | 1 pro 100 Zeichen | 10 | 9.999 Zeichen | Free |
Hinweis
USD und OmniArt-Credits sind unterschiedliche Einheiten. Dieser Artikel rechnet sie nicht ineinander um und stuft keine davon im direkten Vergleich als günstiger ein. Auch ein Modell im Free-Plan verbraucht Credits.
OmniArt rundet jeden angefangenen Zeichenblock gemäß den Katalogregeln vom selben Datum auf. Jeder zusätzliche Take ist eine weitere Generierung. Füge das tatsächliche Skript samt Regietags im Audio-Modus ein und prüfe vor dem Generieren die angezeigte Schätzung. Ein niedriger Einheitspreis kann trotzdem zu einem höheren Arbeitsbudget führen, wenn Aussprachekorrekturen oder Änderungen am Timing wiederholte Takes erfordern.
Sprachen und Stimmklonen: Lies das Kleingedruckte#
Mit Stand vom 26. Oktober 2026 nennt Mistrals Modellkarte (Öffnet sich in einem neuen Tab) 9 Sprachen. Die Ankündigung (Öffnet sich in einem neuen Tab) nennt 35+ Sprachen und 50+ Dialekte, während die Sprachdokumentation (Öffnet sich in einem neuen Tab) 35 Sprachen und 50+ Dialekte angibt. Diese Anbieterquellen widersprechen sich; die tatsächliche Abdeckung der gesamten API bleibt hier ungeklärt. Prüfe die gewünschte Kombination aus Sprache und Stimme, bevor du dich auf ein Lokalisierungsprojekt festlegst.
Die folgenden Funktionsdetails sind Anbieter- beziehungsweise Plattformangaben, geprüft am 26. Oktober 2026 anhand von Mistrals TTS-Übersicht (Öffnet sich in einem neuen Tab), Sprachdokumentation (Öffnet sich in einem neuen Tab) und Anleitung zum Stimmklonen (Öffnet sich in einem neuen Tab) sowie der Voice-API-Dokumentation (Öffnet sich in einem neuen Tab) von fal.
| Detail | Voxtral TTS 3 | HeyGen Voice auf fal |
|---|---|---|
| Sprachen | Modellkarte: 9; Ankündigung: 35+; Sprachdokumentation: 35 mit 50+ Dialekten | 39 auswählbare Sprachcodes; Erkennung bei fehlender Angabe |
| Voreingestellte Stimmen | Sprachtabelle: 22 Einträge mit insgesamt 35 voreingestellten Stimmen; für Sprachen ohne Voreinstellungen Stimmklonen nutzen | 24 öffentliche Stimmen |
| Eingabe zum Stimmklonen | Kurze Aufnahme für Stimmklonen ohne vorheriges Training; Stimme speichern und per ID wiederverwenden | Aufnahme einer einzelnen sprechenden Person; nur die ersten 3 Minuten werden genutzt |
| Steuerung der Sprechweise | 34 Emotionstags, Tempotags slow / fast, Phonemaussprache und kontextuelles TTS | expressiveness_boost |
| Ausgabe | MP3, WAV, PCM, FLAC, Opus | WAV mit 44,1 kHz |
Mistrals Übersicht kennzeichnet natürlichsprachliche Stilanweisungen zum Start als nicht verfügbar, obwohl die Ankündigung das Befolgen von Anweisungen erwähnt. Plane keinen Arbeitsablauf, der die Verfügbarkeit dieser Funktion voraussetzt. Auch Verfügbarkeit und Preise von Pro Voice betrachten wir hier nicht als bestätigt. Klone nur Stimmen, für deren Nutzung du eine Erlaubnis hast.
Echtzeit-Agenten und fertige Sprachaufnahmen#
Mistrals TTS-Übersicht (Öffnet sich in einem neuen Tab) unterscheidet voxtral-mini-tts-3-0 für vollständigen Text von voxtral-mini-tts-realtime-3-0 für den Echtzeiteinsatz. Die Modellkarte (Öffnet sich in einem neuen Tab) nennt rund 90 ms bis zur ersten Audioausgabe, geprüft am 26. Oktober 2026. Das ist eine Anbieterangabe zum Streaming, keine gemessene Verzögerung eines gesamten Gesprächs und kein Latenzversprechen von OmniArt.
Wenn du einen Live-Agenten entwickelst, musst du bei einer externen API-Integration die gesamte Interaktion testen: das Ende eines Gesprächsbeitrags erkennen, die Antwort erzeugen, Audio übertragen und die Wiedergabe starten. Eine kurze Zeit bis zur ersten Audioausgabe allein belegt nicht, dass Anrufende ein flüssiges Gespräch erleben.
Für eine fertige Sprachaufnahme beginnst du mit Aussprache, Sprechweise und Bearbeitbarkeit. Höre auf Eigennamen und Satzenden und lege den Take anschließend unter das Video. Der Audio-Arbeitsablauf von OmniArt erzeugt fertige Audiodateien für diese Art der Bearbeitung. Die Preistabelle hilft, die Skriptkosten abzuschätzen; sie entscheidet nicht, welcher Vortrag in deinen finalen Schnitt gehört.
Heute eine Stimme auf OmniArt auswählen#
Nutze diesen aufgabenbezogenen Einstieg auf Basis des OmniArt-Katalogs, geprüft am 26. Oktober 2026. Das sind Optionen zum Probehören, keine vergleichenden Hörbewertungen.
| Deine Aufgabe | Modell zum Ausprobieren | Was du prüfen solltest |
|---|---|---|
| Kurzer Sprechertext mit Emotionstags | Eleven v3 | Ob die Anweisung die Sprechweise im vorgesehenen Moment verändert |
| Längere mehrsprachige Erzählung | Eleven Multilingual v2 | Zielsprache und Aussprache; 29 Sprachcodes plus automatische Erkennung |
| Langes Skript mit geringeren Credit-Kosten pro Zeichen | Eleven Turbo v2.5 | Zielsprache; 32 Sprachcodes plus automatische Erkennung |
| Fertige Erzählung im Free-Plan | MiniMax Speech 2.8 HD | Sprechweise im Zusammenspiel mit dem finalen Schnitt |
| Entwürfe im Free-Plan | MiniMax Speech 2.8 Turbo | Skript-Timing vor weiteren Takes |
Die Sprachcode-Zahlen oben stammen aus dem OmniArt-Katalog vom selben Datum, nicht aus den umfassenderen Sprachangaben im Marketing der Anbieter. Bestätige deine Zielsprache in der aktuellen Auswahl. Beginne mit einem Abschnitt, der die Namen, Pausen und Stimmungswechsel enthält, die dein Projekt braucht.
Behalte die Stimme bei und höre dir dieses Skript mit und ohne Tags an. Ändere anschließend jeweils nur eine Anweisung. Die Anleitung zu Audiotags in Eleven v3 erklärt die Platzierung; Eleven v4 vs Eleven v3 grenzt die neuere externe Veröffentlichung vom Modell auf OmniArt ab. Für die Bearbeitung vom Entwurf bis zur fertigen Aufnahme lies die Anleitung für Sprachaufnahmen mit MiniMax Speech; nutze die aktuellen Limits dieses Artikels, falls eine ältere Anleitung davon abweicht.
Häufige Fragen#
Was kostet Voxtral TTS 3?
Mistral nennt auf seiner Modellkarte (Öffnet sich in einem neuen Tab) 13 US$ pro Million Zeichen, entsprechend 0,013 US$ pro 1.000 Zeichen, geprüft am 26. Oktober 2026. Das ist der vom Anbieter angegebene API-Preis für ein Modell in öffentlicher Vorschau. Es ist kein OmniArt-Credit-Preis und belegt für sich allein nicht die Kosten eines vollständigen Gesprächs mit einem Sprachagenten.
Was kostet HeyGen Voice?
Mit Stand vom 26. Oktober 2026 nennt fal reguläre Preise von 0,03 US$ pro 1.000 Zeichen für HeyGen Voice (Öffnet sich in einem neuen Tab) und 0,004 US$ für Turbo (Öffnet sich in einem neuen Tab). Die bis zum 31. Oktober beworbene Aktion senkt diese auf 0,015 US$ und 0,002 US$. Beide Schemas begrenzen den Text auf 5.000 Zeichen pro Anfrage. Das sind Bedingungen der Plattform fal; prüfe die Einträge vor dem Kauf erneut.
Wie viele Sprachen unterstützt Voxtral TTS 3?
Die Anbieterquellen widersprechen sich mit Stand vom 26. Oktober 2026: Mistrals Modellkarte (Öffnet sich in einem neuen Tab) nennt 9 Sprachen, die Ankündigung (Öffnet sich in einem neuen Tab) nennt 35+ und die Sprachdokumentation (Öffnet sich in einem neuen Tab) nennt 35 mit 50+ Dialekten. Diese Dokumentation listet voreingestellte Stimmen in 22 Spracheinträgen auf. Wir lösen die Abweichung nicht auf; prüfe deine Zielsprache und Stimme, bevor du die API einsetzt.
Kann ich Voxtral TTS 3 oder HeyGen Voice auf OmniArt nutzen?
Nein. Keines der beiden Modelle steht im öffentlichen OmniArt-Katalog, geprüft am 26. Oktober 2026. Im Audio-Modus sind die hier behandelten verfügbaren Alternativen Eleven v3, Eleven Multilingual v2, Eleven Turbo v2.5, MiniMax Speech 2.8 HD und MiniMax Speech 2.8 Turbo. Wähle nach Skript, Sprache, Credit-Schätzung und erforderlichem Plan; eine externe Anbieter-Veröffentlichung legt kein Erscheinungsdatum auf OmniArt fest.
Eine Sprachaufnahme auf OmniArt erstellen#
Öffne den Audio-Modus, wähle ein verfügbares Sprachmodell und höre dir einen kurzen Abschnitt deines eigenen Skripts an, bevor du die vollständige Aufnahme generierst.
