Voxtral
比較新推出的外部語音 API 與 OmniArt 目前可選的聲音。分清美元價格和點數，確認語言限制，再依即時代理或成品配音的需求挑選
Voxtral TTS 3 和 HeyGen Voice 帶來新的按字元計費 API，讓創作者多了選擇。不過，編列配音預算時，更實用的問題是：要拿到一段能通過驗收的錄音，得投入多少？目標語言、可用的聲音表現、腳本長度與重錄次數都會影響成本。本文將這兩款外部 API 與 OmniArt 音訊模式裡可選的語音模型一起檢視。
核對日期：2026 年 10 月 26 日。 Voxtral TTS 3 和 HeyGen Voice 都尚未列入 OmniArt 的公開模型目錄。下方的美元價格分別屬於 Mistral 與 fal。OmniArt 目前可用的模型以點數計費，本文將兩種單位分開列出。
Voxtral TTS 3 與 HeyGen Voice：已經推出哪些功能#
Mistral 將 Voxtral TTS 3 (在新分頁中開啟) 的發布日期列為 2026 年 10 月 20 日，並標示為公開預覽。其公告 (在新分頁中開啟)介紹了批次與即時語音生成。這些能力來自廠商說明，核對日期為 2026 年 10 月 26 日，並非 OmniArt 進行聆聽測試所得的結果。
fal 於 2026 年 10 月 21 日宣布推出 HeyGen Voice (在新分頁中開啟)。目前的標準版 (在新分頁中開啟)與 Turbo 版 (在新分頁中開啟)頁面均提供聲音庫音色與參考錄音兩種語音生成方式。本文採用的是 2026 年 10 月 26 日核對的 fal 平台價格，不能據此認定 HeyGen 自有直連 API 的價格。
每 1,000 字元價格比較#
外部 API 表格僅以美元計價。Mistral 費率與 fal 的原價、促銷價都來自廠商或平台頁面，核對日期為 2026 年 10 月 26 日。換算成每千字元只是統一計費單位，並不能衡量聲音品質。
| 外部模型／平台 | 頁面計費標準 | 每 1,000 字元美元價格 | 每次請求文字上限 |
|---|---|---|---|
| Voxtral TTS 3 / Mistral (在新分頁中開啟) | 每百萬字元 $13 | $0.013 | 本文查閱的模型卡未明確說明 |
| HeyGen Voice / fal (在新分頁中開啟) | 原價：每 1,000 字元 $0.03 | 原價 $0.03；促銷價 $0.015 | 5,000 字元 |
| HeyGen Voice Turbo / fal (在新分頁中開啟) | 原價：每 1,000 字元 $0.004 | 原價 $0.004；促銷價 $0.002 | 5,000 字元 |
fal 的兩個 Voice 頁面都宣傳五折優惠，活動至 2026 年 10 月 31 日。編列該日期之後的預算前，應重新核對頁面。上限來自 fal 的標準版結構描述 (在新分頁中開啟)與 Turbo 版結構描述 (在新分頁中開啟)，核對日期為 2026 年 10 月 26 日。
下表僅使用 OmniArt 點數，依據為 2026 年 10 月 26 日核對的 OmniArt 模型目錄與共用語音計費規則。公開模型連結會開啟對應的模型頁面。
| OmniArt 可用模型 | 每個字元計費區間的點數，不足一區間仍計費 | 每 1,000 字元點數 | 腳本上限 | 最低方案 |
|---|---|---|---|---|
| Eleven v3 | 每 50 字元 1 點數 | 20 | 5,000 字元 | Starter |
| Eleven Multilingual v2 | 每 50 字元 1 點數 | 20 | 10,000 字元 | Starter |
| Eleven Turbo v2.5 | 每 100 字元 1 點數 | 10 | 20,000 字元 | Starter |
| MiniMax Speech 2.8 HD | 每 50 字元 1 點數 | 20 | 9,999 字元 | Free |
| MiniMax Speech 2.8 Turbo | 每 100 字元 1 點數 | 10 | 9,999 字元 | Free |
說明
美元與 OmniArt 點數是不同單位。本文不進行兩者換算，也不據此比較哪個較便宜。Free 方案可用的模型仍然會消耗點數。
依同日核對的目錄規則，OmniArt 會將不足完整字元區間的部分無條件進位計費。每多做一版錄音，就是另一次生成。將實際腳本連同聲音表現標籤貼到音訊模式，生成前先查看顯示的預估點數。即使單價低，若修正發音或調整節奏需要反覆重錄，實際製作預算仍可能提高。
語言與聲音複製：先看清楚細則#
截至 2026 年 10 月 26 日，Mistral 的模型卡 (在新分頁中開啟)寫的是 9 種語言；公告 (在新分頁中開啟)寫的是 35 種以上語言與 50 種以上方言；語言文件 (在新分頁中開啟)則寫 35 種語言與 50 種以上方言。這些廠商來源互相矛盾，因此本文不對整個 API 的實際語言涵蓋範圍下結論。決定用於在地化專案之前，先驗證目標語言與聲音的組合。
以下功能細節來自廠商或平台說明，已於 2026 年 10 月 26 日對照 Mistral 的 TTS 概覽 (在新分頁中開啟)、語言文件 (在新分頁中開啟)、聲音複製指南 (在新分頁中開啟)，以及 fal 的 Voice API 文件 (在新分頁中開啟)核對。
| 項目 | Voxtral TTS 3 | fal 上的 HeyGen Voice |
|---|---|---|
| 語言 | 模型卡：9 種；公告：35 種以上；語言文件：35 種及 50 種以上方言 | 可選 39 個語言代碼；未填時自動偵測 |
| 預設聲音 | 語言表有 22 個項目，共 35 個預設聲音；沒有預設聲音的語言需使用聲音複製 | 24 個公開聲音 |
| 複製輸入 | 以短錄音進行零樣本聲音複製；儲存後可透過 ID 重複使用 | 單一說話者錄音；只使用前 3 分鐘 |
| 聲音表現控制 | 34 個情緒標籤、slow／fast 語速標籤、音素發音及上下文 TTS | expressiveness_boost |
| 輸出 | MP3、WAV、PCM、FLAC、Opus | 44.1 kHz WAV |
雖然公告提到遵循指示，Mistral 概覽仍標明推出時尚不支援以自然語言指定風格。不要假設這項功能已經可用，並以此設計工作流程。本文也不將 Pro Voice 的可用性或定價視為已確認。只複製你有權使用的聲音。
即時代理與成品配音#
Mistral 的 TTS 概覽 (在新分頁中開啟)區分了處理完整文字的 voxtral-mini-tts-3-0，以及即時用途的 voxtral-mini-tts-realtime-3-0。其模型卡 (在新分頁中開啟)表示首段音訊延遲約 90 毫秒，核對日期為 2026 年 10 月 26 日。這是廠商提供的串流指標，並非實測的端到端對話延遲，也不是 OmniArt 的延遲承諾。
如果你正在開發即時代理，整合外部 API 就需要測試完整互動：偵測發言輪次結束、產生回答、傳輸音訊，以及開始播放。單憑首段音訊延遲短，無法判斷通話者是否會覺得對話順暢。
製作成品配音時，先確認發音、聲音表現與後續編輯的便利程度。聽清楚專有名詞和句尾，再把錄音放進影片裡對齊。OmniArt 的音訊流程會生成適合這類剪輯的成品音訊檔案。費率表能幫你估算腳本成本，卻無法決定哪一版演繹適合放進最終成片。
現在如何在 OmniArt 挑選聲音#
以下依任務提供起點，依據是 2026 年 10 月 26 日核對的 OmniArt 目錄。這些是可供試聽的選項，並非比較聆聽後的評分。
| 你的任務 | 可試的模型 | 要檢查什麼 |
|---|---|---|
| 帶情緒標籤的短配音 | Eleven v3 | 提示是否在預期時間改變聲音表現 |
| 較長的多語旁白 | Eleven Multilingual v2 | 目標語言與發音；29 個語言代碼加上自動偵測 |
| 希望每字元點數成本較低的長腳本 | Eleven Turbo v2.5 | 目標語言；32 個語言代碼加上自動偵測 |
| 以 Free 方案製作成品旁白 | MiniMax Speech 2.8 HD | 聲音表現是否搭配最終剪輯 |
| 以 Free 方案製作草稿 | MiniMax Speech 2.8 Turbo | 進一步重錄前，先確認腳本時間與節奏 |
上方語言代碼數量來自同日核對的 OmniArt 目錄，並非廠商行銷資料中更廣泛的語言數量。到目前的選單確認目標語言。先選一段含有專案所需人名、停頓與語氣變化的文字。
固定同一個聲音，分別試聽有標籤與無標籤的腳本，再一次只改一個提示。Eleven v3 音訊標籤指南說明了放置方式；Eleven v4 與 Eleven v3 比較則區分較新的外部版本和 OmniArt 上的模型。從草稿剪到成品的流程可參考 MiniMax Speech 配音指南；如果舊指南的上限不同，以本文目前列出的上限為準。
常見問題#
Voxtral TTS 3 要多少錢？
Mistral 在模型卡 (在新分頁中開啟)列出的價格為每百萬字元 $13，等於每 1,000 字元 $0.013，核對日期為 2026 年 10 月 26 日。這是廠商公布的公開預覽模型 API 定價，並非 OmniArt 點數費率，也無法單憑這個數字確定一次完整語音代理對話的成本。
HeyGen Voice 要多少錢？
截至 2026 年 10 月 26 日，fal 列出的 HeyGen Voice (在新分頁中開啟)原價為每 1,000 字元 $0.03，Turbo (在新分頁中開啟) 為 $0.004。宣傳中截至 10 月 31 日的優惠將兩者分別降至 $0.015 與 $0.002。兩份結構描述都將每次請求的文字上限設為 5,000 字元。這些是 fal 平台的條款，購買前應重新查看頁面。
Voxtral TTS 3 支援幾種語言？
截至 2026 年 10 月 26 日，廠商資料並不一致：Mistral 的模型卡 (在新分頁中開啟)寫 9 種語言，公告 (在新分頁中開啟)寫 35 種以上，語言文件 (在新分頁中開啟)則寫 35 種語言與 50 種以上方言。該文件在 22 個語言項目中列出預設聲音。本文不對差異下定論；採用 API 前，先驗證目標語言與聲音。
能在 OmniArt 使用 Voxtral TTS 3 或 HeyGen Voice 嗎？
目前不能。2026 年 10 月 26 日核對的 OmniArt 公開目錄中沒有這兩款模型。在音訊模式中，本文討論的可用替代選項為 Eleven v3、Eleven Multilingual v2、Eleven Turbo v2.5、MiniMax Speech 2.8 HD 與 MiniMax Speech 2.8 Turbo。依腳本、語言、預估點數與所需方案挑選；外部廠商發布模型，並不代表 OmniArt 已確定上線日期。
