Voxtral TTS 3 и HeyGen Voice: сколько на самом деле стоит озвучка
Сравниваем новые внешние API синтеза речи с голосами в OmniArt. Отделяем цены в долларах от кредитов, проверяем языковые ограничения и выбираем решение для разговорного агента или готовой озвучки.
Voxtral TTS 3 и HeyGen Voice предлагают авторам новые тарифы API с оплатой за символ. Но при расчёте бюджета на озвучку полезнее понять, что потребуется для согласованной записи: важны нужный язык, подходящая подача, длина текста и дополнительные дубли. В этом сравнении сопоставляем внешние API с моделями синтеза речи, которые можно выбрать в режиме «Аудио» OmniArt.
Проверено 26.10.2026: ни Voxtral TTS 3, ни HeyGen Voice нет в публичном каталоге OmniArt. Указанные ниже цены в USD относятся соответственно к Mistral и fal. Доступные в OmniArt модели используют кредиты; эти единицы рассматриваются отдельно.
Voxtral TTS 3 и HeyGen Voice: что уже вышло#
Mistral датирует выпуск Voxtral TTS 3 (Откроется в новой вкладке) 20.10.2026 и обозначает статус как публичную предварительную версию. В анонсе (Откроется в новой вкладке) описана пакетная генерация речи и генерация в реальном времени. Это возможности, заявленные провайдером и проверенные 26.10.2026, а не результаты прослушивания в OmniArt.
fal анонсировала HeyGen Voice (Откроется в новой вкладке) 21.10.2026. Актуальные страницы Standard (Откроется в новой вкладке) и Turbo (Откроется в новой вкладке) предлагают синтез речи с голосом из библиотеки или по референсной записи. Здесь приведены цены платформы fal, проверенные 26.10.2026; они не определяют стоимость собственного прямого API HeyGen.
Сравнение цены за 1 000 символов#
В таблице внешних API используются только USD. Тариф Mistral, обычные и акционные тарифы fal взяты со страниц провайдера и платформы, проверенных 26.10.2026. Пересчёт на тысячу символов приводит оплату к общей единице, но не измеряет качество голоса.
| Внешняя модель / платформа | Опубликованный тариф | USD за 1 000 символов | Лимит текста на запрос |
|---|---|---|---|
| Voxtral TTS 3 / Mistral (Откроется в новой вкладке) | 13 $ за миллион символов | 0,013 $ | В рассмотренной карточке модели не установлен |
| HeyGen Voice / fal (Откроется в новой вкладке) | 0,03 $ за 1 000 символов, обычный | 0,03 $ обычно; 0,015 $ по акции | 5 000 символов |
| HeyGen Voice Turbo / fal (Откроется в новой вкладке) | 0,004 $ за 1 000 символов, обычный | 0,004 $ обычно; 0,002 $ по акции | 5 000 символов |
fal рекламирует скидку 50 % до 31.10.2026 для обеих моделей Voice. Прежде чем рассчитывать бюджет после этой даты, проверьте страницы ещё раз. Лимиты взяты из схемы Standard (Откроется в новой вкладке) и схемы Turbo (Откроется в новой вкладке) fal, проверенных 26.10.2026.
В следующей таблице используются только кредиты OmniArt. Данные взяты из каталога моделей OmniArt и общих правил оплаты синтеза речи, проверенных 26.10.2026. Публичные ссылки ведут на страницы соответствующих моделей.
| Модель в OmniArt | Кредиты за каждый начатый блок символов | Кредиты за 1 000 символов | Лимит текста | Минимальный тариф |
|---|---|---|---|---|
| Eleven v3 | 1 за 50 символов | 20 | 5 000 символов | Starter |
| Eleven Multilingual v2 | 1 за 50 символов | 20 | 10 000 символов | Starter |
| Eleven Turbo v2.5 | 1 за 100 символов | 10 | 20 000 символов | Starter |
| MiniMax Speech 2.8 HD | 1 за 50 символов | 20 | 9 999 символов | Free |
| MiniMax Speech 2.8 Turbo | 1 за 100 символов | 10 | 9 999 символов | Free |
Примечание
USD и кредиты OmniArt — разные единицы. В статье нет пересчёта между ними или вывода, какая из них дешевле. Даже модель на тарифе Free расходует кредиты.
По правилам каталога на ту же дату OmniArt округляет каждый начатый блок символов вверх. Каждый дополнительный дубль — отдельная генерация. Вставьте настоящий текст, включая теги подачи, в режим «Аудио» и проверьте показанную оценку до генерации. Низкий тариф за единицу всё равно может обернуться большим рабочим бюджетом, если исправление произношения или хронометража потребует повторных дублей.
Языки и клонирование: важные оговорки#
На 26.10.2026 карточка модели (Откроется в новой вкладке) Mistral указывает 9 языков. В анонсе (Откроется в новой вкладке) говорится о 35+ языках и 50+ диалектах, а в документации по языкам (Откроется в новой вкладке) — о 35 языках и 50+ диалектах. Эти источники провайдера расходятся; фактический языковой охват API в целом остаётся неуточнённым. Проверьте нужное сочетание языка и голоса, прежде чем брать на себя обязательства по проекту локализации.
Возможности ниже заявлены провайдером и платформой и проверены 26.10.2026 по обзору TTS (Откроется в новой вкладке), документации по языкам (Откроется в новой вкладке) и руководству по клонированию (Откроется в новой вкладке) Mistral, а также документации Voice API (Откроется в новой вкладке) fal.
| Параметр | Voxtral TTS 3 | HeyGen Voice на fal |
|---|---|---|
| Языки | Карточка модели: 9; анонс: 35+; документация по языкам: 35 и 50+ диалектов | 39 выбираемых кодов языков; автоматическое определение, если код не указан |
| Готовые голоса | Таблица языков: 22 строки, всего 35 готовых голосов; для языков без них используйте клонирование | 24 публичных голоса |
| Запись для клонирования | Короткая запись для клонирования без дообучения; голос можно сохранить и повторно использовать по ID | Запись одного говорящего; используются только первые 3 минуты |
| Настройки подачи | 34 тега эмоций, теги темпа slow / fast, произношение по фонемам и контекстный TTS | expressiveness_boost |
| Формат файла | MP3, WAV, PCM, FLAC, Opus | WAV 44,1 кГц |
В обзоре Mistral указано, что инструкции по стилю на естественном языке недоступны на старте, хотя анонс упоминает следование инструкциям. Не стройте рабочий процесс в расчёте на доступность этой функции. Доступность и цены Pro Voice здесь также не считаются подтверждёнными. Клонируйте только голоса, на использование которых у вас есть разрешение.
Агенты реального времени и готовая озвучка#
Обзор TTS (Откроется в новой вкладке) Mistral разделяет voxtral-mini-tts-3-0 для полного текста и voxtral-mini-tts-realtime-3-0 для работы в реальном времени. В карточке модели (Откроется в новой вкладке), проверенной 26.10.2026, заявлено около 90 мс до первого аудиофрагмента. Это показатель потоковой передачи от провайдера, а не измеренная сквозная задержка разговора и не обещание задержки от OmniArt.
Если вы создаёте разговорного агента, интеграция внешнего API требует проверки всего взаимодействия: определения конца реплики, подготовки ответа, передачи аудио и запуска воспроизведения. Малое время до первого аудиофрагмента само по себе не доказывает, что разговор будет плавным для собеседника.
Для готовой озвучки начните с произношения, подачи и удобства монтажа. Прослушайте имена собственные и окончания предложений, затем совместите дубль с видео. Режим «Аудио» OmniArt создаёт готовые аудиофайлы для такого монтажа. Таблица тарифов помогает оценить стоимость текста, но не решает, какое исполнение подойдёт для окончательной версии.
Как выбрать голос в OmniArt сегодня#
Используйте эту отправную точку с учётом задачи: она основана на каталоге OmniArt, проверенном 26.10.2026. Это варианты для пробного прослушивания, а не оценки сравнительного теста.
| Ваша задача | Какую модель попробовать | Что проверить |
|---|---|---|
| Короткая озвучка с тегами эмоций | Eleven v3 | Меняет ли тег подачу в нужный момент |
| Длинное многоязычное повествование | Eleven Multilingual v2 | Нужный язык и произношение; 29 кодов языков и auto |
| Длинный текст с меньшим расходом кредитов на символ | Eleven Turbo v2.5 | Нужный язык; 32 кода языков и auto |
| Готовая озвучка на тарифе Free | MiniMax Speech 2.8 HD | Подачу в окончательном монтаже |
| Черновики на тарифе Free | MiniMax Speech 2.8 Turbo | Хронометраж текста перед следующими дублями |
Количество кодов языков выше взято из каталога OmniArt на ту же дату, а не из более широких маркетинговых заявлений провайдеров. Проверьте нужный язык в текущем списке выбора. Начните с отрывка, в котором есть необходимые вашему проекту имена, паузы и смены тона.
Оставьте голос неизменным и прослушайте этот текст с тегами и без них. Затем меняйте по одному тегу за раз. Руководство по аудиотегам Eleven v3 объясняет их расположение; сравнение Eleven v4 и Eleven v3 отделяет новый внешний релиз от модели в OmniArt. О переходе от черновика к финальному монтажу читайте в руководстве по озвучке MiniMax Speech; если старое руководство расходится с этой статьёй, используйте актуальные лимиты здесь.
Частые вопросы#
Сколько стоит Voxtral TTS 3?
В карточке модели (Откроется в новой вкладке) Mistral, проверенной 26.10.2026, указано 13 $ за миллион символов, то есть 0,013 $ за 1 000 символов. Это заявленная провайдером цена API модели в публичной предварительной версии. Она не является тарифом OmniArt в кредитах и сама по себе не определяет стоимость полного разговора с голосовым агентом.
Сколько стоит HeyGen Voice?
На 26.10.2026 fal указывает обычные цены 0,03 $ за 1 000 символов для HeyGen Voice (Откроется в новой вкладке) и 0,004 $ для Turbo (Откроется в новой вкладке). Рекламируемая акция до 31 октября снижает их до 0,015 $ и 0,002 $. Обе схемы ограничивают текст 5 000 символами на запрос. Это условия платформы fal; перед покупкой проверьте страницы ещё раз.
Сколько языков поддерживает Voxtral TTS 3?
На 26.10.2026 источники провайдера расходятся: карточка модели (Откроется в новой вкладке) Mistral указывает 9 языков, анонс (Откроется в новой вкладке) — 35+, а документация по языкам (Откроется в новой вкладке) — 35 и 50+ диалектов. В документации готовые голоса перечислены в 22 языковых строках. Мы не устраняем это расхождение; проверьте нужный язык и голос до внедрения API.
Можно ли использовать Voxtral TTS 3 или HeyGen Voice в OmniArt?
Нет. Ни одной из этих моделей нет в публичном каталоге OmniArt, проверенном 26.10.2026. В режиме «Аудио» доступны рассмотренные здесь альтернативы: Eleven v3, Eleven Multilingual v2, Eleven Turbo v2.5, MiniMax Speech 2.8 HD и MiniMax Speech 2.8 Turbo. Выбирайте по тексту, языку, оценке расхода кредитов и нужному тарифу; внешний релиз провайдера не определяет дату появления в OmniArt.
Создать озвучку в OmniArt#
Откройте режим «Аудио», выберите доступную модель синтеза речи и прослушайте короткий отрывок своего текста, прежде чем генерировать всю запись.
