Criadores do HeyGen escolhem o Fish Audio três vezes mais para clonagem de voz.

Os criadores do HeyGen são internacionais. Australianos, indianos, britânicos, sul-africanos, singapurenses, irlandeses, escoceses, filipinos e caribenhos falam inglês, mas cada um tem um som diferente.

A camada de texto para fala que o HeyGen usava em produção gerava inglês americano preciso e aproximava os outros sotaques dele. A prosódia ficava plana e as vogais eram neutralizadas. O sotaque que tornava um criador reconhecível para seu público voltava parecido com um americano neutro. O padrão se repetia em grande parte do mercado por um motivo: modelos treinados primeiro em inglês americano e adaptados depois tendem a ter bom desempenho nele e uma perda previsível de qualidade nos demais sotaques.

Os criadores perceberam imediatamente. A semelhança do sotaque virou uma reclamação recorrente: suas vozes já não soavam como eles mesmos. Mais importante, o problema se concentrava justamente no público que a HeyGen queria ampliar. Criadores globais precisavam que suas vozes atravessassem idiomas e sotaques sem perder a identidade que os tornava reconhecíveis.

A avaliação não foi uma comparação de recursos. A HeyGen não procurava o modelo com a menor latência, a maior expressividade ou a lista mais longa de idiomas. A avaliação se resumiu a uma pergunta muito mais simples: quando um criador clonava sua voz, ela ainda soava como ele?

Mais especificamente, a HeyGen testou se o modelo preservava o sotaque que tornava uma voz reconhecível. Um criador britânico conseguiria manter seu sotaque? Uma voz conseguiria mudar de idioma sem se tornar, por padrão, uma versão americanizada de si mesma?

Esse virou o critério. Uma voz podia ser rápida, expressiva e tecnicamente impressionante, mas, se o sotaque mudasse, ela não passava no teste.

A HeyGen escolheu a Fish Audio porque era a melhor opção segundo esse critério. Velocidade e preço importavam, mas nenhum dos dois era decisivo. Depois de atingir o patamar de desempenho, a diferença era simples: qual modelo reproduzia a voz com mais fidelidade em diferentes sotaques?

A Fish Audio se destacou por preservar as características da voz original, em vez de aproximá-las de um padrão comum. Essa consistência permitiu à HeyGen expandir seu produto de voz para mais criadores e mercados sem exigir que abrissem mão de como soavam.

O resultado foi mais do que um modelo de voz melhor. A solução removeu uma barreira ao uso da HeyGen entre idiomas e fortaleceu a base da estratégia global da empresa para criadores.

A HeyGen implantou o S2 Pro pela API em nuvem da Fish Audio. Todo vídeo publicado por um criador com uma voz da Fish passa pelo modelo. Não foi necessário um lançamento gradual nem um grupo piloto. A integração entrou imediatamente em escala de produção.

Desde a migração para a Fish Audio, a HeyGen não teve nenhum problema de semelhança de sotaque em produção. Nos testes de voz, os criadores escolheram a Fish Audio em vez da alternativa na proporção de 3:1.

Hoje, a Fish Audio impulsiona as experiências de voz dos criadores da HeyGen em todo o mundo, ajudando cada voz a soar inconfundivelmente como seu criador, onde quer que ele fale.