Voxtral TTS 3 y HeyGen Voice: cuánto cuesta realmente una locución
Compara las nuevas API externas de voz con las voces disponibles en OmniArt. Separa los precios en dólares de los créditos, revisa los límites de idiomas y elige para un agente en directo o una locución terminada.
Voxtral TTS 3 y HeyGen Voice ofrecen a los creadores nuevos precios de API por carácter que valorar. Para presupuestar una locución, sin embargo, la pregunta útil es qué hace falta para conseguir una grabación aprobada: importan el idioma de destino, una interpretación aprovechable, la longitud del guion y las tomas adicionales. Esta comparación sitúa las API externas junto a las opciones de voz que puedes seleccionar en el modo Audio de OmniArt.
Comprobado el 26 de octubre de 2026: ni Voxtral TTS 3 ni HeyGen Voice figuran en el catálogo público de OmniArt. Sus precios en USD que aparecen abajo corresponden a Mistral y fal, respectivamente. Los modelos disponibles en OmniArt utilizan créditos; las dos unidades se presentan por separado.
Voxtral TTS 3 y HeyGen Voice: qué se ha lanzado#
Mistral fecha Voxtral TTS 3 (Se abre en una pestaña nueva) el 20 de octubre de 2026 y lo etiqueta como versión preliminar pública. Su anuncio (Se abre en una pestaña nueva) describe generación de voz por lotes y en tiempo real. Son capacidades declaradas por el proveedor, comprobadas el 26 de octubre de 2026, y no resultados de una prueba de escucha de OmniArt.
fal anunció HeyGen Voice (Se abre en una pestaña nueva) el 21 de octubre de 2026. Sus fichas actuales de Standard (Se abre en una pestaña nueva) y Turbo (Se abre en una pestaña nueva) ofrecen voz a partir de una voz de biblioteca o una grabación de referencia. Los precios de este artículo son los de la plataforma fal, comprobados el 26 de octubre de 2026; no establecen el precio de la API directa de la propia HeyGen.
Comparación del precio por 1.000 caracteres#
La tabla de API externas utiliza solo USD. La tarifa de Mistral y las tarifas habituales y promocionales de fal proceden de las fichas del proveedor o la plataforma, comprobadas el 26 de octubre de 2026. El cálculo por mil normaliza la unidad de facturación; no mide la calidad de voz.
| Modelo externo / plataforma | Tarifa de facturación publicada | USD por 1.000 caracteres | Límite de texto por solicitud |
|---|---|---|---|
| Voxtral TTS 3 / Mistral (Se abre en una pestaña nueva) | 13 US$ por millón de caracteres | 0,013 US$ | No lo establece la ficha del modelo consultada aquí |
| HeyGen Voice / fal (Se abre en una pestaña nueva) | 0,03 US$ por 1.000 caracteres, habitual | 0,03 US$ habitual; 0,015 US$ promocional | 5.000 caracteres |
| HeyGen Voice Turbo / fal (Se abre en una pestaña nueva) | 0,004 US$ por 1.000 caracteres, habitual | 0,004 US$ habitual; 0,002 US$ promocional | 5.000 caracteres |
fal anuncia una promoción del 50% hasta el 31 de octubre de 2026 en ambas fichas de Voice. Vuelve a consultar esas páginas antes de presupuestar después de esa fecha. Los límites proceden de los esquemas Standard (Se abre en una pestaña nueva) y Turbo (Se abre en una pestaña nueva) de fal, comprobados el 26 de octubre de 2026.
La siguiente tabla utiliza solo créditos de OmniArt, según el catálogo de modelos y los precios compartidos de voz de OmniArt, comprobados el 26 de octubre de 2026. Los enlaces públicos de los modelos abren sus páginas correspondientes.
| Modelo disponible en OmniArt | Créditos por bloque de caracteres iniciado | Créditos por 1.000 caracteres | Límite del guion | Plan mínimo |
|---|---|---|---|---|
| Eleven v3 | 1 por cada 50 caracteres | 20 | 5.000 caracteres | Starter |
| Eleven Multilingual v2 | 1 por cada 50 caracteres | 20 | 10.000 caracteres | Starter |
| Eleven Turbo v2.5 | 1 por cada 100 caracteres | 10 | 20.000 caracteres | Starter |
| MiniMax Speech 2.8 HD | 1 por cada 50 caracteres | 20 | 9.999 caracteres | Free |
| MiniMax Speech 2.8 Turbo | 1 por cada 100 caracteres | 10 | 9.999 caracteres | Free |
Nota
USD y créditos de OmniArt son unidades distintas. Este artículo no las convierte ni compara una con la otra para decidir cuál es más barata. Un modelo del plan Free también consume créditos.
OmniArt redondea al alza cada bloque de caracteres iniciado, según las reglas del catálogo de esa misma fecha. Cada toma adicional es otra generación. Pega el guion real, incluidas las etiquetas de dirección, en el modo Audio y comprueba la estimación que aparece antes de generar. Una tarifa unitaria baja puede dar lugar a un presupuesto de trabajo mayor si las correcciones de pronunciación o los ajustes de ritmo requieren repetir tomas.
Idiomas y clonación: lee la letra pequeña#
A 26 de octubre de 2026, la ficha del modelo (Se abre en una pestaña nueva) de Mistral indica 9 idiomas. Su anuncio (Se abre en una pestaña nueva) indica 35+ idiomas y 50+ dialectos, mientras que su documentación de idiomas (Se abre en una pestaña nueva) indica 35 idiomas y 50+ dialectos. Estas fuentes del proveedor discrepan; dejamos sin resolver la cobertura real del conjunto de la API. Comprueba la combinación de idioma y voz que necesitas antes de comprometerte con un proyecto de localización.
Los detalles de capacidades siguientes los declara el proveedor o la plataforma y se han comprobado el 26 de octubre de 2026 en la introducción a TTS (Se abre en una pestaña nueva), la documentación de idiomas (Se abre en una pestaña nueva) y la guía de clonación (Se abre en una pestaña nueva) de Mistral, y en la documentación de la API de Voice (Se abre en una pestaña nueva) de fal.
| Detalle | Voxtral TTS 3 | HeyGen Voice en fal |
|---|---|---|
| Idiomas | Ficha del modelo: 9; anuncio: 35+; documentación de idiomas: 35, con 50+ dialectos | 39 códigos de idioma seleccionables; detección si se omite |
| Voces predefinidas | Tabla de idiomas: 22 entradas con 35 voces predefinidas en total; utiliza clonación en idiomas sin voces predefinidas | 24 voces públicas |
| Entrada para clonación | Grabación breve para clonar sin entrenamiento previo; guarda una voz para reutilizarla por ID | Grabación de un solo hablante; solo se utilizan los primeros 3 minutos |
| Controles de interpretación | 34 etiquetas de emoción, etiquetas de ritmo slow / fast, pronunciación por fonemas y TTS contextual | expressiveness_boost |
| Salida | MP3, WAV, PCM, FLAC, Opus | WAV a 44,1 kHz |
La introducción de Mistral señala que las instrucciones de estilo en lenguaje natural no están disponibles en el lanzamiento, aunque el anuncio menciona el seguimiento de instrucciones. No planifiques un flujo de trabajo dando por hecho que esa función está disponible. Tampoco consideramos confirmados aquí la disponibilidad ni los precios de Pro Voice. Clona únicamente voces que tengas permiso para utilizar.
Agentes en tiempo real frente a locución terminada#
La introducción a TTS (Se abre en una pestaña nueva) de Mistral distingue voxtral-mini-tts-3-0 para texto completo de voxtral-mini-tts-realtime-3-0 para uso en tiempo real. Su ficha del modelo (Se abre en una pestaña nueva) declara unos 90 ms hasta el primer audio, dato comprobado el 26 de octubre de 2026. Es una cifra de transmisión declarada por el proveedor, no una medición del retardo de conversación de extremo a extremo ni una promesa de latencia de OmniArt.
Si estás creando un agente en directo, integrar una API externa implica probar la interacción completa: detectar el final de un turno, producir la respuesta, transportar el audio e iniciar la reproducción. Un tiempo breve hasta el primer audio no demuestra por sí solo que quienes llamen vayan a mantener una conversación fluida.
Para una locución terminada, empieza por la pronunciación, la interpretación y la facilidad de edición. Escucha los nombres propios y los finales de frase, y después encaja la toma con el vídeo. El flujo de Audio de OmniArt produce archivos de audio terminados para este tipo de edición. La tabla de tarifas ayuda a estimar el coste del guion; no decide qué interpretación merece entrar en el montaje final.
Elegir una voz en OmniArt hoy#
Utiliza este punto de partida por tareas, basado en el catálogo de OmniArt comprobado el 26 de octubre de 2026. Son opciones para probar, no puntuaciones comparativas de escucha.
| Tu tarea | Modelo que probar | Qué comprobar |
|---|---|---|
| Locución breve con etiquetas de emoción | Eleven v3 | Si la indicación cambia la interpretación en el momento previsto |
| Narración multilingüe más larga | Eleven Multilingual v2 | Idioma de destino y pronunciación; 29 códigos de idioma más detección automática |
| Guion largo con menor coste en créditos por carácter | Eleven Turbo v2.5 | Idioma de destino; 32 códigos de idioma más detección automática |
| Narración terminada con el plan Free | MiniMax Speech 2.8 HD | Interpretación en relación con el montaje final |
| Borradores con el plan Free | MiniMax Speech 2.8 Turbo | Ritmo del guion antes de generar más tomas |
Las cantidades de códigos de idioma anteriores proceden del catálogo de OmniArt de esa misma fecha, no de las cifras más amplias de idiomas anunciadas por los proveedores. Confirma tu idioma en el selector actual. Empieza por un pasaje que contenga los nombres, las pausas y los cambios de tono que necesita tu proyecto.
Mantén la misma voz y prueba este guion con y sin etiquetas. Después cambia una indicación cada vez. La guía de etiquetas de audio de Eleven v3 explica dónde colocarlas; Eleven v4 vs Eleven v3 distingue el lanzamiento externo más reciente del modelo disponible en OmniArt. Para editar del borrador al resultado final, consulta la guía de locución con MiniMax Speech; utiliza los límites actuales de este artículo cuando una guía antigua indique otros.
Preguntas frecuentes#
¿Cuánto cuesta Voxtral TTS 3?
Mistral publica 13 US$ por millón de caracteres, equivalentes a 0,013 US$ por 1.000 caracteres, en su ficha del modelo (Se abre en una pestaña nueva), comprobada el 26 de octubre de 2026. Es el precio de API declarado por el proveedor para un modelo en versión preliminar pública. No es una tarifa en créditos de OmniArt ni establece por sí solo el coste de una conversación completa con un agente de voz.
¿Cuánto cuesta HeyGen Voice?
A 26 de octubre de 2026, fal publica tarifas habituales de 0,03 US$ por 1.000 caracteres para HeyGen Voice (Se abre en una pestaña nueva) y 0,004 US$ para Turbo (Se abre en una pestaña nueva). La promoción anunciada hasta el 31 de octubre las reduce a 0,015 US$ y 0,002 US$. Ambos esquemas limitan el texto a 5.000 caracteres por solicitud. Son condiciones de la plataforma fal; vuelve a consultar las fichas antes de comprar.
¿Cuántos idiomas admite Voxtral TTS 3?
Las fuentes del proveedor discrepan a 26 de octubre de 2026: la ficha del modelo (Se abre en una pestaña nueva) de Mistral indica 9 idiomas, su anuncio (Se abre en una pestaña nueva) indica 35+ y su documentación de idiomas (Se abre en una pestaña nueva) indica 35 con 50+ dialectos. Esa documentación enumera voces predefinidas en 22 entradas de idiomas. No resolvemos la discrepancia; verifica tu idioma y tu voz de destino antes de adoptar la API.
¿Puedo utilizar Voxtral TTS 3 o HeyGen Voice en OmniArt?
No. Ninguno figura en el catálogo público de OmniArt comprobado el 26 de octubre de 2026. En el modo Audio, las alternativas disponibles tratadas aquí son Eleven v3, Eleven Multilingual v2, Eleven Turbo v2.5, MiniMax Speech 2.8 HD y MiniMax Speech 2.8 Turbo. Elige según el guion, el idioma, la estimación de créditos y el plan necesario; un lanzamiento de un proveedor externo no establece una fecha de lanzamiento en OmniArt.
Crear una locución en OmniArt#
Abre el modo Audio, elige un modelo de voz disponible y prueba un pasaje breve de tu propio guion antes de generar la grabación completa.
