Voxtral TTS 3 và HeyGen Voice: chi phí thực tế để có bản thuyết minh

Voxtral TTS 3 và HeyGen Voice mang đến những mức giá API tính theo ký tự mới để người sáng tạo cân nhắc. Tuy vậy, khi lập ngân sách thuyết minh, câu hỏi hữu ích hơn là cần những gì để có một bản thu được duyệt. Ngôn ngữ đích, cách thể hiện có thể dùng được, độ dài kịch bản và số lần thu thêm đều ảnh hưởng đến chi phí. Bài viết đối chiếu các API bên ngoài với những lựa chọn giọng nói bạn có thể chọn trong chế độ âm thanh của OmniArt.

Kiểm tra ngày 26/10/2026: cả Voxtral TTS 3 lẫn HeyGen Voice đều chưa có trong danh mục công khai của OmniArt. Giá USD bên dưới lần lượt thuộc về Mistral và fal. Các mô hình hiện có trên OmniArt dùng tín dụng; bài viết trình bày riêng hai đơn vị này.

Voxtral TTS 3 và HeyGen Voice: những gì đã ra mắt#

Mistral ghi ngày ra mắt Voxtral TTS 3 (Mở trong thẻ mới) là 20/10/2026 và gắn nhãn xem trước công khai. Thông báo (Mở trong thẻ mới) mô tả khả năng tạo giọng nói theo lô và thời gian thực. Đây là các khả năng do nhà cung cấp công bố, được kiểm tra ngày 26/10/2026, chứ không phải kết quả nghe thử của OmniArt.

fal công bố HeyGen Voice (Mở trong thẻ mới) ngày 21/10/2026. Các trang bản tiêu chuẩn (Mở trong thẻ mới) và Turbo (Mở trong thẻ mới) hiện cho phép tạo giọng nói từ giọng trong thư viện hoặc bản thu tham chiếu. Giá trong bài là giá nền tảng fal được kiểm tra ngày 26/10/2026; chúng không xác định giá API do chính HeyGen cung cấp trực tiếp.

Đối chiếu giá mỗi 1.000 ký tự#

Bảng API bên ngoài chỉ dùng USD. Mức giá của Mistral cùng giá thường và giá khuyến mãi của fal là thông tin niêm yết từ nhà cung cấp hoặc nền tảng, được kiểm tra ngày 26/10/2026. Quy đổi về mỗi nghìn ký tự chỉ để thống nhất đơn vị tính phí, không phải phép đo chất lượng giọng nói.

fal quảng bá chương trình giảm 50% đến hết 31/10/2026 trên cả hai trang Voice. Hãy kiểm tra lại các trang đó trước khi lập ngân sách cho thời gian sau ngày này. Giới hạn lấy từ lược đồ bản tiêu chuẩn (Mở trong thẻ mới) và lược đồ Turbo (Mở trong thẻ mới) của fal, được kiểm tra ngày 26/10/2026.

Bảng sau chỉ dùng tín dụng OmniArt, dựa trên danh mục mô hình của OmniArt và quy tắc tính phí giọng nói dùng chung được kiểm tra ngày 26/10/2026. Các liên kết mô hình công khai mở trang mô hình tương ứng.

OmniArt làm tròn lên từng khối ký tự có sử dụng theo quy tắc trong danh mục được kiểm tra cùng ngày. Mỗi bản thu thêm là một lượt tạo khác. Dán kịch bản thực tế, gồm cả thẻ chỉ dẫn cách thể hiện, vào chế độ âm thanh rồi kiểm tra mức ước tính hiển thị trước khi tạo. Đơn giá thấp vẫn có thể dẫn đến ngân sách làm việc lớn hơn nếu phải tạo lại nhiều lần để sửa phát âm hoặc chỉnh thời điểm đọc.

Ngôn ngữ và nhân bản giọng nói: đọc kỹ điều kiện#

Tính đến 26/10/2026, thẻ mô hình (Mở trong thẻ mới) của Mistral ghi 9 ngôn ngữ. Thông báo (Mở trong thẻ mới) ghi hơn 35 ngôn ngữ và hơn 50 phương ngữ, còn tài liệu ngôn ngữ (Mở trong thẻ mới) ghi 35 ngôn ngữ và hơn 50 phương ngữ. Các nguồn của nhà cung cấp không thống nhất; bài viết chưa kết luận phạm vi hỗ trợ thực tế trên toàn API. Kiểm tra tổ hợp ngôn ngữ và giọng định dùng trước khi quyết định triển khai dự án bản địa hóa.

Các chi tiết bên dưới là thông tin do nhà cung cấp hoặc nền tảng công bố, được kiểm tra ngày 26/10/2026 với tổng quan TTS (Mở trong thẻ mới), tài liệu ngôn ngữ (Mở trong thẻ mới), hướng dẫn nhân bản giọng nói (Mở trong thẻ mới) của Mistral và tài liệu Voice API (Mở trong thẻ mới) của fal.

Trang tổng quan của Mistral đánh dấu chỉ dẫn phong cách bằng ngôn ngữ tự nhiên là chưa khả dụng lúc ra mắt, dù thông báo có nhắc đến khả năng làm theo chỉ dẫn. Đừng thiết kế quy trình với giả định tính năng đó đã dùng được. Bài viết cũng chưa coi tình trạng cung cấp hay giá Pro Voice là đã được xác nhận. Chỉ nhân bản những giọng bạn có quyền sử dụng.

Trợ lý thời gian thực và bản thuyết minh hoàn chỉnh#

Tổng quan TTS (Mở trong thẻ mới) của Mistral phân biệt voxtral-mini-tts-3-0 dành cho văn bản hoàn chỉnh với voxtral-mini-tts-realtime-3-0 dành cho thời gian thực. Thẻ mô hình (Mở trong thẻ mới) báo cáo thời gian đến âm thanh đầu tiên khoảng 90 ms, được kiểm tra ngày 26/10/2026. Đây là chỉ số truyền âm thanh liên tục do nhà cung cấp công bố, không phải độ trễ hội thoại từ đầu đến cuối được đo thực tế hay cam kết độ trễ của OmniArt.

Nếu đang xây dựng trợ lý tương tác trực tiếp, việc tích hợp API bên ngoài đòi hỏi kiểm thử toàn bộ tương tác: nhận biết kết thúc lượt nói, tạo câu trả lời, truyền âm thanh và bắt đầu phát. Chỉ có thời gian đến âm thanh đầu tiên ngắn chưa đủ chứng minh người gọi sẽ cảm thấy cuộc trò chuyện mượt mà.

Với bản thuyết minh hoàn chỉnh, hãy bắt đầu từ phát âm, cách thể hiện và khả năng biên tập. Nghe tên riêng và phần cuối câu rồi đặt bản thu vào video để đối chiếu. Quy trình âm thanh của OmniArt tạo tệp âm thanh hoàn chỉnh cho kiểu biên tập này. Bảng giá giúp ước tính chi phí kịch bản; nó không quyết định cách thể hiện nào xứng đáng có mặt trong bản dựng cuối.

Chọn giọng trên OmniArt ở thời điểm hiện tại#

Dùng các gợi ý khởi đầu theo công việc dưới đây, dựa trên danh mục OmniArt được kiểm tra ngày 26/10/2026. Đây là lựa chọn để nghe thử, không phải điểm số từ thử nghiệm nghe so sánh.

Số mã ngôn ngữ trên lấy từ danh mục OmniArt được kiểm tra cùng ngày, không phải số ngôn ngữ rộng hơn trong nội dung tiếp thị của nhà cung cấp. Xác nhận ngôn ngữ đích trong bộ chọn hiện tại. Bắt đầu bằng một đoạn có tên riêng, quãng nghỉ và thay đổi giọng điệu mà dự án cần.

Giữ nguyên giọng và nghe thử kịch bản này cả khi có lẫn không có thẻ. Sau đó đổi từng chỉ dẫn một. Hướng dẫn thẻ âm thanh Eleven v3 giải thích cách đặt thẻ; Eleven v4 so với Eleven v3 phân biệt bản phát hành bên ngoài mới hơn với mô hình trên OmniArt. Để biên tập từ bản nháp đến bản cuối, xem hướng dẫn thuyết minh MiniMax Speech; dùng các giới hạn hiện tại trong bài này nếu hướng dẫn cũ ghi khác.