Como a HeyGen migrou da ElevenLabs para a Fish Audio para resolver problemas de similaridade de voz com sotaques de inglês não americano, e viu usuários escolherem Fish por três a um em comparações lado a lado.
Taxa de escolha da Fish Audio em relação a provedores TTS alternativos em comparações lado a lado de usuários na HeyGen.
John Wu
Gerente de engenharia de áudio da HeyGen
"Fish é um modelo de voz fantástico para maximizar a similaridade vocal em vozes muito únicas."
CEO da Fish Audio
Rissa Cao
"HeyGen é onde a qualidade da clonagem de voz mais importa. Criadores de conhecimento não precisam de uma voz que apenas pareça com eles: precisam de uma voz que soe como eles, sotaque incluído. Esse padrão, o mesmo que achata a maioria dos modelos TTS quando saem do inglês americano, é exatamente o que criamos o S2 Pro para superar. Ver os usuários da HeyGen escolherem Fish três a um em testes lado a lado é a validação para a qual construímos o modelo."
A HeyGen é a principal plataforma de vídeo com AI para criadores baseados em conhecimento: educadores, criadores de cursos, comunicadores de negócios e criadores de conteúdo que transformam expertise em vídeo em escala. A plataforma permite produzir vídeo profissional gerado por AI sem equipamento de estúdio, talento vocal profissional ou semanas de produção.
A voz está no centro de cada vídeo produzido pela HeyGen. Para um criador de conhecimento cujo público já conhece sua voz, a voz de AI precisa ser sua própria voz: não um narrador genérico, não uma aproximação próxima, mas a voz real com o sotaque real que a audiência reconhece. Esse é o padrão que a clonagem de voz para vídeo com AI precisa atingir.
Antes de avaliar a Fish Audio, a HeyGen usava a ElevenLabs como camada TTS do pipeline de geração de vídeo com AI. A plataforma funcionava e as vozes eram inteligíveis. Mas um problema estrutural continuava aparecendo no feedback dos usuários: problemas de similaridade de voz, especialmente para criadores com sotaques de inglês não americanos.
Criadores de conhecimento falam com os sotaques que têm. Australianos soam australianos. Indianos soam indianos. Britânico, sul-africano, singapurense, irlandês, escocês, filipino, caribenho: o mapa de sotaques do inglês global não é um caso extremo para a HeyGen, é a forma da base internacional de criadores.
Um TTS que produz bom inglês americano, mas achata todos os outros sotaques para algo mais próximo de um americano neutro, quebra a promessa central da clonagem de voz para vídeo com AI: que o vídeo soe como você. Usuários da HeyGen com sotaques não americanos reclamavam da manutenção do sotaque. As vozes clonadas não preservavam a identidade de sotaque esperada.
A HeyGen avaliou todo o mercado de TTS para resolver o problema dos sotaques de inglês não americanos. TTS para esses sotaques não era uma comparação de recursos, mas um critério existencial para a base internacional de criadores.
Nos provedores testados, a diferença entre a qualidade de clonagem em inglês americano e em inglês não americano foi consistente, e consistentemente na direção errada. A maioria dos modelos TTS foi treinada primeiro em inglês americano e depois adaptada para outros sotaques. Essa adaptação aparecia nas vozes clonadas como prosódia achatada, vogais neutralizadas e perda clara da identidade de sotaque .
A Fish Audio foi escolhida pela HeyGen por um critério acima de todos: qualidade de clonagem para vozes únicas, especialmente vozes com sotaques de inglês não americanos.O modelo Fish S2 Pro preserva a identidade de sotaque da voz original em vez de normalizá-la para uma base de inglês americano, exatamente a falha que a HeyGen encontrou em outros provedores.
Para a HeyGen, isso não é um detalhe técnico. É a diferença entre a audiência ouvir o criador que reconhece ou um estranho sintetizado. A qualidade de clonagem de voz, não latência ou custo, foi o fator decisivo.
A HeyGen implanta a Fish Audio via cloud API, gerando TTS para os vídeos que seus clientes produzem na plataforma. A integração opera em escala de produção: todo vídeo publicado por um criador na HeyGen usando uma voz da Fish passa pelo modelo Fish S2 Pro.
O sinal de usuário mais revelador não é elogio, mas o silêncio sobre o que antes era a reclamação mais alta. Três sinais da base de criadores da HeyGen desde a migração:
Produtos usados: Fish Audio S2 Pro · Text-to-Speech (cloud API)
Taxa de seleção 3:1 para Fish Audio sobre provedores TTS alternativos em comparações lado a lado na HeyGen.
Reclamações sobre sotaques de inglês não americanos cessaram na base internacional de criadores da HeyGen.
Todo o mercado TTS foi avaliado antes da escolha da Fish Audio; preservação de sotaque foi o fator decisivo.
Migração da ElevenLabs para a Fish Audio pela qualidade de clonagem de voz.
Fale com nossa equipe sobre similaridade vocal para vozes únicas, preservação de sotaques de inglês não americano e integração da Cloud API em escala de produção.
