Voxtral TTS 3 e HeyGen Voice: quanto uma locução realmente custa

Voxtral TTS 3 e HeyGen Voice trazem novos preços de API por caractere para quem cria conteúdo. No orçamento de uma locução, porém, a pergunta útil é o que será necessário para chegar a uma gravação aprovada: idioma de destino, interpretação adequada, tamanho do roteiro e novas tomadas fazem diferença. Esta comparação coloca as APIs externas ao lado das opções de fala que você pode selecionar no modo Áudio do OmniArt.

Verificado em 26 de outubro de 2026: nem Voxtral TTS 3 nem HeyGen Voice estão no catálogo público do OmniArt. Os preços em USD abaixo são da Mistral e da fal, respectivamente. Os modelos disponíveis no OmniArt usam créditos; as duas unidades são apresentadas separadamente.

Voxtral TTS 3 e HeyGen Voice: o que foi lançado#

A Mistral data o Voxtral TTS 3 (Abre em uma nova aba) de 20 de outubro de 2026 e o classifica como prévia pública. Seu anúncio (Abre em uma nova aba) descreve geração de fala em lote e em tempo real. São capacidades informadas pelo provedor, verificadas em 26 de outubro de 2026, e não resultados de um teste de escuta do OmniArt.

A fal anunciou o HeyGen Voice (Abre em uma nova aba) em 21 de outubro de 2026. Suas páginas atuais de Standard (Abre em uma nova aba) e Turbo (Abre em uma nova aba) oferecem fala a partir de uma voz da biblioteca ou de uma gravação de referência. Os preços aqui são da plataforma fal, verificados em 26 de outubro de 2026; eles não estabelecem o preço da API direta da própria HeyGen.

Preço por 1.000 caracteres, lado a lado#

A tabela de APIs externas usa somente USD. A tarifa da Mistral e as tarifas regulares e promocionais da fal vêm das páginas do provedor ou da plataforma, verificadas em 26 de outubro de 2026. O cálculo por mil uniformiza a unidade de cobrança; ele não mede qualidade de voz.

A fal anuncia uma promoção de 50% até 31 de outubro de 2026 nas duas páginas de Voice. Consulte essas páginas novamente antes de montar um orçamento após essa data. Os limites vêm dos esquemas Standard (Abre em uma nova aba) e Turbo (Abre em uma nova aba) da fal, verificados em 26 de outubro de 2026.

A tabela a seguir usa somente créditos do OmniArt, com base no catálogo de modelos e na tabela compartilhada de preços de fala do OmniArt, verificados em 26 de outubro de 2026. Os links públicos dos modelos abrem as páginas correspondentes.

O OmniArt arredonda para cima cada bloco de caracteres iniciado, conforme as regras do catálogo na mesma data. Cada tomada adicional é outra geração. Cole o roteiro real, incluindo as tags de direção, no modo Áudio e confira a estimativa exibida antes de gerar. Uma tarifa unitária baixa ainda pode resultar em um orçamento de trabalho maior se ajustes de pronúncia ou de ritmo exigirem várias tomadas.

Idiomas e clonagem: leia os detalhes#

Em 26 de outubro de 2026, a ficha do modelo (Abre em uma nova aba) da Mistral informa 9 idiomas. Seu anúncio (Abre em uma nova aba) informa mais de 35 idiomas e mais de 50 dialetos, enquanto a documentação de idiomas (Abre em uma nova aba) informa 35 idiomas e mais de 50 dialetos. Essas fontes do provedor divergem; deixamos em aberto a cobertura efetiva da API como um todo. Verifique a combinação de idioma e voz que você pretende usar antes de se comprometer com um projeto de localização.

Os detalhes de capacidade abaixo foram informados pelo provedor ou pela plataforma e verificados em 26 de outubro de 2026 na visão geral de TTS (Abre em uma nova aba), na documentação de idiomas (Abre em uma nova aba) e no guia de clonagem (Abre em uma nova aba) da Mistral, além da documentação da API de Voice (Abre em uma nova aba) da fal.

A visão geral da Mistral indica que instruções de estilo em linguagem natural não estavam disponíveis no lançamento, embora o anúncio mencione seguir instruções. Não planeje um fluxo de trabalho contando com esse recurso. Também não tratamos a disponibilidade nem os preços de Pro Voice como confirmados aqui. Clone apenas vozes que você tem permissão para usar.

Agentes em tempo real e locução finalizada#

A visão geral de TTS (Abre em uma nova aba) da Mistral distingue voxtral-mini-tts-3-0, para texto completo, de voxtral-mini-tts-realtime-3-0, para uso em tempo real. A ficha do modelo (Abre em uma nova aba) informa cerca de 90 ms até o primeiro áudio, dado verificado em 26 de outubro de 2026. É um número de transmissão informado pelo provedor, não uma medição da latência da conversa de ponta a ponta nem uma promessa de latência do OmniArt.

Se você está criando um agente ao vivo, integrar uma API externa exige testar a interação completa: detectar o fim de uma fala, produzir a resposta, transportar o áudio e iniciar a reprodução. Um tempo curto até o primeiro áudio, isoladamente, não demonstra que as pessoas terão uma conversa fluida ao ligar.

Para uma locução finalizada, comece pela pronúncia, pela interpretação e pela facilidade de edição. Ouça os nomes próprios e os finais de frase, depois encaixe a tomada no vídeo. O fluxo de Áudio do OmniArt produz arquivos de áudio finalizados para esse tipo de edição. A tabela de tarifas ajuda a estimar o custo do roteiro; ela não decide qual interpretação deve entrar no corte final.

Como escolher uma voz no OmniArt hoje#

Use este ponto de partida por tarefa, baseado no catálogo do OmniArt verificado em 26 de outubro de 2026. São opções para testar, não notas de uma comparação de escuta.

As contagens de códigos de idioma acima vêm do catálogo do OmniArt na mesma data, não dos números mais amplos de idiomas divulgados pelos provedores. Confirme seu idioma no seletor atual. Comece com um trecho que contenha os nomes, as pausas e as mudanças de tom de que seu projeto precisa.

Mantenha a mesma voz e teste esse roteiro com e sem as tags. Depois altere uma indicação por vez. O guia de tags de áudio do Eleven v3 explica onde colocá-las; Eleven v4 vs Eleven v3 distingue o lançamento externo mais recente do modelo no OmniArt. Para editar do rascunho à versão final, consulte o guia de locução com MiniMax Speech; use os limites atuais deste artigo quando um guia antigo apresentar valores diferentes.