بطاقة عنوان مُولّدة لمقال «HeyGen Avatar 6»، مع سطر تمهيدي نصّه «مقارنة نماذج الأفاتار»، والعنوان الكبير «HeyGen Avatar 6»، والعنوان الفرعي «ما الذي تقيسه نسبة عدم التمييز البالغة 84.4% حقًا»، وثلاث بطاقات على شكل حبوب مكتوب عليها «84.4% = 42.2% x 2» و«1,197 Elo، أفاتار شخصية» و«17 نوفمبر 2026».
Engineering & Research

HeyGen Avatar 6: ماذا يقيس رقم عدم القابلية للتمييز البالغ 84.4% حقًا؟

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

عنوان HeyGen لـ Avatar 6، الذي صدر في 17 نوفمبر 2026، هو أن النموذج غير قابل للتمييز عن لقطات حقيقية بنسبة 84.4%. اقرأ الحاشية قبل أن تكرر ذلك: في اختبار المقارنة جنبًا إلى جنب، عُرض على المقيّمين تسجيل حقيقي ومقطع Avatar 6 للشخص نفسه وهو يقول الجملة نفسها فوق الصوت نفسه، فاختاروا Avatar 6 باعتباره الحقيقي في 42.2% من الحالات. خمسون في المئة ستكون ارتباكًا تامًا. يقسم HeyGen النسبة 42.2 على 50 ويضاعف النتيجة ليحصل على 84.4%، وهي طريقة مشروعة للتعبير عن "إلى أي مدى قطعنا المسافة نحو الفجوة" وطريقة مضللة للتعبير عن "كم مرة يخدع هذا شخصًا ما". كلا الرقمين يصفان الإجابات الـ270 نفسها.

هذا مهم لأن Avatar 6 ليس عرضًا تجريبيًا. إنه نموذج مُطروح للاستخدام الفعلي بواجهتي API، ونقطتي تحقق، وطبقة مجانية، و—اعتبارًا من اليوم—لوحة صدارة لطرف ثالث تضعه في المرتبة الأولى. السؤال المثير لم يعد ما إذا كانت HeyGen قد بنت شيئًا جيدًا، بل ما الذي تدعمه الأدلة فعلاً، وأين يقع الفارق بين حسابات التسويق والسلوك المقاس.

ما الذي تم إصداره، بالتحديد؟

يتوفر Avatar 6 بمعرّفي نموذج اثنين، هما heygen-avatar-6 وheygen-avatar-6-turbo، عبر نقطتي نهاية مختلفتين. تقبل واجهة Model API عند POST /v3/models/avatars صورة مرجعية، وفيديو مرجعيًا اختياريًا، والصوت الكلامي الذي تقدّمه — من دون خطوة تدريب للأفاتار، ومن دون صوت يلزم إعداده أولًا. أما واجهة Application API عند POST /v3/videos فتعرض مظهر أفاتار HeyGen موجودًا عبر ضبط engine.type على أحد هذين المعرّفين، وهو المسار الذي تسلكه إذا كان لديك بالفعل توأم رقمي بموجب موافقة.

• الدقة — 1080p افتراضيًا، و2K عند الطلب؛ يضبط Model API حجم مخرجات 2K إلى 2880×1620 استنادًا إلى مرجع بنسبة 16:9، بينما يضبط Application API الحجم إلى 2560×1440.

• الطول — يُحدده الصوت الذي تُمرّره. لا توجد معلمة مدة، ولا حد أقصى للمقطع، ولا خطوة دمج؛ تعرض صفحة البحث عمليات توليد فردية متواصلة تتراوح مدتها بين 25 و28 دقيقة.

• التحكم — حقل motion_prompt يصل طوله إلى 1,200 حرف ويغطي الإيماءات وتعبيرات الوجه ووضعية الجسم والكاميرا، بالإضافة إلى مفتاح motion_expressiveness بإعدادين: افتراضي، أو أقل لإيماءات أصغر وتعبيرات أهدأ.

{{1}}فيديو مرجعي{{/1}} — {{2}}مقطع واحد لا يقل عن ثانيتين{{/2}}، {{3}}حتى 50 ميجابايت عبر URL أو base64{{/3}}، {{4}}حتى 200 ميجابايت عبر رفع مباشر{{/4}}. يتطلب {{5}}فيديو مرجعي بشري واقعي{{/5}} صلاحية وصول {{6}}Enterprise{{/6}} و{{7}}تسجيل موافقة أمام الكاميرا{{/7}} مع {{8}}رمز لمرة واحدة{{/8}}؛ وبدون ذلك {{9}}تُرجع واجهة API{{/9}} الخطأ 422 {{10}}realistic_human_reference_not_allowed{{/10}}.

• التحرير — وضع تحرير على مستوى الكلمة يعيد توليد الكلمات التي تغيّرت فقط ويترك بقية اللقطات دون مساس.

A generated scoreboard titled 'HeyGen Avatar 6 — the scoreboard' with a single column of six rows: Resolution 1080p default, 2K on request; Longest render 25-28 minutes continuous; Side-by-side test picked as real 42.2%, baseline 50%; Single clip judged real 65.1% vs 78.9% for real footage; Avatar Arena Elo 1,197 personal / 1,237 stock; Render time 175.6 s typical, 1 in 10 over 9.5 min. The footer reads 'HeyGen figures are vendor-run preference studies. Arena Elo per New Measure, 18 November 2026.'

يستحق تصميم الموافقة وقفة، فهو أكثر صرامة مما يكلّف به معظم مزوّدي الصور الرمزية. يجب أن يحتوي بيان الموافقة على رمز أُنشئ لتلك الجلسة بعينها، بحيث لا يمكن لمقطع مصوّر سُجّل مسبقًا أن يجتاز هذا التحقق، كما يتحقق HeyGen من أن الشخص الظاهر في تسجيل الموافقة يطابق الشخص في اللقطات التدريبية قبل أن تتمكن الصورة الرمزية من العرض إطلاقًا.

نسبة الـ 84.4%، بالتفصيل.

أجرت HeyGen اختبارين، وهما يختلفان على نحو مفيد.

عند عرض مقطع واحد في كل مرة وطرح سؤال «حقيقي أم ذكاء اصطناعي؟»، حكم المقيّمون بأن 78.9% من التسجيلات الأصلية حقيقية. وحكموا بأن 65.1% من مقاطع Avatar 6 حقيقية عندما استُخدم صوت الشخص نفسه. وإذا استُبدل به نسخة مستنسخة من HeyGen Voice، ينخفض ذلك إلى 56.5%. هذا هو العنوان الصادق: نحو اثنين من كل ثلاثة من مقاطع Avatar 6 تمرّ كحقيقية أمام غريب يبحث عن التزييف، مقابل أربعة من كل خمسة من التسجيلات الحقيقية.

اختبار المقارنة جنبًا إلى جنب أسهل — فلديك نقطة مرجعية، وعلى النموذج فقط أن يكون الأكثر إقناعًا من بين الاثنين — ومن هنا تأتي نسبة 42.2%. وتُقدّم HeyGen أيضًا دراسة «حُكِم بأنها حقيقية» لمقطع واحد، شملت 612 إجابة حقيقية و304 و308 إجابات ذكاء اصطناعي على الترتيب، وهي عينة صغيرة بما يكفي بحيث يستحق الفارق بين 65.1% و56.5% إجراءً ثانيًا قبل أن يبني أي طرف ادعاءً عليه.

مقارنةً بنماذج الفيديو الأخرى، وباستخدام لقطات الشخص نفسه، تُبلّغ HeyGen عن تفوق في التفضيل بنسبة 72.4% على Seedance 2.5، و74.1% على Wan 3.0، و54.9% على Kling 4.0. ومن صورة واحدة يتسع فارق Kling إلى 73.5% — وهو ما يخبرك بشيء عن قيمة اللقطات المرجعية في مخرجات المنافسين، وليس في مخرجات HeyGen فحسب. وبالمقارنة بمنتجات الأفاتار التجارية، قيّم مُقيّمون خارجيون Avatar 6 عند 4.00 إجمالًا انطلاقًا من صورة مقابل 3.68 لـ VEED Fabric 1.0، وعند 3.98 انطلاقًا من لقطات مقابل 2.93 لـ Akool Talking Avatar. كل هذه دراسات HeyGen الخاصة، بمُقيّمي HeyGen ومجموعة أوامر HeyGen الخاصة. تعامل معها كافتراض مسبق قوي، لا كنتيجة.

وصل New Measure إلى هناك أولاً

وصل اليوم الدليل الوحيد الذي لم تكلّف به HeyGen. نشرت New Measure نتائج مبكرة لـ Avatar Arena مستمدة من تصويتات عمياء جُمعت بين 27 أكتوبر و16 نوفمبر — قبل الإطلاق — عبر ثمانية مزوّدي أفاتار. شاهد المصوّتون مقطعي فيديو للنص نفسه، موسومين A وB مع إخفاء أسماء المزوّدين، واختاروا الفائز.

حلّ Avatar 6 أولًا في كلتا لوحتَي التصنيف: 1,197 نقطة Elo في الأفاتارات الشخصية بنطاق من 1,162 إلى 1,241، و1,237 في مقدمي العروض الجاهزين بنطاق من 1,207 إلى 1,278. وجاء Creatify Aurora 2.0 في المركز الثاني في كلتيهما، بـ1,053 و1,088. وحلّ Tavus Phoenix-4.5 عند 920 في الأفاتارات الجاهزة، خلف Creatify وأمام JoggAI عند 887 وSynthesia EXPRESS-1 عند 868.

A screenshot of the New Measure article 'Which AI avatar do creators prefer?', published 18 November 2026, showing the benchmarks header, the headline finding that HeyGen Avatar 6 was preferred most often on both personal and stock avatars with Creatify Aurora 2.0 second on both, and the opening of the 'What we compared' section describing blind A/B votes between two providers reading the same script.

ثمة تفصيلان في ذلك التقرير أكثر إفادة من الترتيب نفسه. أولًا، يكشف New Measure أن ثلاثة من المنافسين — VEED وCreatify وCaptions — استخدموا كلامًا أُنشئ باستخدام استنساخ الصوت من HeyGen، لذا فإن جزءًا من تفوق HeyGen في الصوت هو HeyGen ينافس نفسه. ثانيًا، والأكثر أهمية لهذا الإطلاق: تضع الساحة حدًا أقصى للنصوص عند 500 حرف، وكان النص النموذجي 62 كلمة، وفي 97% من المقارنات المكتملة كان كلا الفيديوهين 35 ثانية أو أقل. لذلك لا تقول الساحة شيئًا على الإطلاق عن الميزة التي يتصدّر بها Avatar 6 — المدة غير المحدودة. ولم يختبر أحد خارج HeyGen ذلك على نموذج قادر على الحفاظ على هوية متماسكة لمدة 26 دقيقة.

السرعة هي المجال الآخر الذي يختلف فيه التصنيف عن التجربة. كان Avatar 6 عادةً الأبطأ بين الخمسة في فئة الصور الرمزية الشخصية، بواقع 175.6 ثانية لكل فيديو، مقابل 60.2 ثانية لـ Runway GWM-1؛ واستغرق واحد من كل عشرة فيديوهات من الصور الرمزية الشخصية لـ HeyGen أكثر من تسع دقائق ونصف. التفضيل والصبر درجتان مختلفتان، ويقول New Measure بوضوح إن الاثنين لم يتطابقا.

ما الذي يفعله النموذج فعليًا على نحو مختلف

التغيير الميكانيكي هو أن Avatar 6 يقرأ النص بدلًا من إعادة تشغيل حلقة حركة. كانت أفاتارات HeyGen السابقة تشبه الشخص لكنها تؤدي الإيماءات بالطريقة نفسها بغض النظر عن المحتوى؛ أما هذا فسيشير إلى "العداد على اليسار"، ويعد إلى ثلاثة بأصابعه عند "المذاق والخيارات والشعور"، ويضع يده على قلبه عند "سعيد دائمًا بالدردشة" — لأن التوجيه قال بذلك، أو لأن الجملة ضمنت ذلك. أما ما إذا كانت الحالات الضمنية تعمل بالجودة نفسها التي تعمل بها الحالات المحددة بتعليمات، فهو أمر لن يحسمه سوى الاستخدام الإنتاجي.

القدرة الثانية هي ظهور أفاتارين في إطار واحد وهما يخوضان محادثة مكتوبة، تُولَّد في تمريرة واحدة. وهذه ميزة على شكل بودكاست، وهي الأكثر احتمالاً لأن تكون مفيدة للفرق التي تنتج هذا الشكل بالفعل، لأنها تُلغي الحاجة إلى التحرير بين قطع المتحدثين.

الرقم الثالث هو التحرير على مستوى الكلمة. أرقام HeyGen نفسها له: قيمة LSE-C لمزامنة الشفاه 7.67 على الكلمات الجديدة مقابل 6.25 للتسجيل الأصلي، وتشابه الوجه 0.913 مقابل أفضل منافس عند 0.907، وتشابه الصوت 0.763 مقابل 0.739، و48.3 dB من PSNR على اللقطات غير الممسوسة مقابل 29.3 dB لأقرب طريقة تحرير منافسة، مع تغيير 34.4% من الإطارات بدلًا من 99%+ التي طالتها طرق المقارنة. هذا الرقم الأخير هو ما يهم تشغيليًا: إعادة تسجيل جملة واحدة في فيديو مدته 20 دقيقة تكون رخيصة فقط إذا بقيت الدقائق الـ19 الأخرى سليمة بايتًا ببايت.

كم تبلغ تكلفته، وما لا يُنشر

Avatar 6 ضمن الفئة المجانية — ثلاثة فيديوهات تحمل علامة مائية شهريًا، بمدة تصل إلى دقيقة لكل منها، ولا حاجة إلى بطاقة للفيديو الأول. خطة Creator بسعر 29 دولارًا شهريًا تتضمن 600 رصيد وتدرج Avatar 6 Turbo؛ وخطة Pro بسعر 49 دولارًا شهريًا تتضمن 1,000 رصيد وتدرج Avatar 6 Pro. تبيع HeyGen الوصول مقابل أرصدة، وليس بالثواني.

هذه هي الفجوة في مواد الإطلاق. تنشر HeyGen سعرًا لكل ثانية لـ HeyGen Video 1 — 0.02 دولار، مع ظهور رقم 0.03 دولار في مخطط التكلفة الخاص بها — لكن لا توجد بطاقة أسعار مكافئة لـ Avatar 6 على صفحات الأسعار العامة، كما تُعيد صفحة أسعار المطورين التوجيه إلى تطبيق يتطلب تسجيل الدخول. إذا كنت تُعِدّ ميزانية لخط إنتاج للأفاتار بحجم كبير، فأنت الآن تسعّر أرصدة وتخمّن معدل التحويل. اطلب الرقم لكل ثانية كتابيًا قبل أن تلتزم بمسار إنتاجي بناءً عليه.

أين يندرج هذا إذا كنت تبني

Avatar 6 ليس على OrcaRouter. نحن لا نقدّمه، ولا تغيّر أي قدرة من براعة التوجيه ذلك — فهو عارض مستضاف لدى HeyGen وله مسار الموافقة الخاص به وفوترة خاصة به. ما نقدّمه هو الطبقة المحيطة به: توليد السكربتات، والاسترجاع، والتصنيف، والوكيل الذي يقرر ما ينبغي أن يقوله الأفاتار. هذا هو أكثر من 200 نموذج خلف مفتاح واحد متوافق مع OpenAI بسعر قائمة المزوّد دون هامش ربح، وتجاوز الفشل التلقائي عندما يتعثر مزوّد. إذا توقّف خط أنابيب الأفاتار لديك لأن النموذج الذي يكتب السكربتات تعطّل، فلم يكن العارض هو الجزء الهش أبدًا.

A screenshot of the OrcaRouter Models page, showing the filter sidebar (input modalities, context length, input price, status, access tier, series, supported parameters, privacy, inference region) and the header reading 226 models, with the tabs All 226, Cyber 11, Text 190, Image 12.

الأسئلة المفتوحة

ثلاثة أمور من شأنها أن تغيّر هذه الصورة، ولا يتوفر أيٌّ منها بعد. سعر API محسوب بالثانية، حتى يمكن مقارنة الجدوى الاقتصادية مع Seedance وKling ونموذج الفيديو الخاص بـHeyGen على قدم المساواة. واختبار مستقل للمقاطع الطويلة، لأن كل ادعاء بشأن المدة هنا يستند إلى عروض HeyGen التوضيحية، ولم تتجاوز الساحة حد 35 ثانية. ومواجهة مباشرة مع منافس ذي طموح مماثل — Tavus Griffin مثلاً — وفق بروتوكول واحد، يجريها شخص ليس لديه منتج يبيعه.

حتى ذلك الحين، الخلاصة المنصفة هي هذه: من المرجّح جدًا أن يكون Avatar 6 أفضل مُصيّر أفاتار ناطق يمكنك شراؤه اليوم، ونسبة 84.4% نتيجة حقيقية معبّر عنها بوحدة مُجمّلة، والقدرة التي تميّزه أكثر من أي شيء آخر هي القدرة التي لم يقسها أحد خارج HeyGen. ابنِ النموذج التجريبي، لكن جهّزه بأدوات القياس — فاستغراق واحد من كل عشرة عمليات تصيير تسع دقائق هو قرار منتج، وليس حاشية.