Eine generierte Titelkarte für den Artikel „Avatar 6 vs HeyGen Video 1“, mit einem Kicker mit der Aufschrift „AVATAR-MODELLVERGLEICH“, dem großen Titel „Avatar 6 vs HeyGen Video 1“, dem Untertitel „Derselbe Anbieter, zwei unterschiedliche Aufgaben“ und drei Pill-Karten mit der Aufschrift „Person im Bild“, „Szene im Bild“ und „ein Credit-Konto“.
Guides & Insights

Avatar 6 vs. HeyGen Video 1: Derselbe Anbieter, zwei unterschiedliche Aufgaben

Autor

Elias Hawthorne

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

HeyGen veröffentlichte Avatar 6 am 17. November 2026, sieben Wochen nachdem es HeyGen Video 1 am 30. September veröffentlichte. Sie stehen nebeneinander im selben Modellmenü, beide akzeptieren ein Referenzbild, beide geben Video mit Ton aus, und beide werden über dasselbe Konto abgerechnet. Die Wahl zwischen ihnen ist keine Frage der Qualität — keines von beiden ist eine schlechtere Version des anderen. Es ist eine Frage dessen, was im Bild ist. Wenn eine bestimmte Person erscheinen und Ihre Worte sprechen muss, kann das nur eines von beiden. Wenn niemand Bestimmtes erscheinen muss, kann das nur das andere.

Beginne mit dem Rahmen, nicht mit dem Datenblatt.

Die beiden Modelle reagieren auf unterschiedliche Eingaben. Avatar 6 animiert eine Person: Man übergibt ihm ein Foto oder ein kurzes Video von jemandem sowie die Sprachaufnahme, die diese Person vortragen soll, und es liefert diese Person zurück, wie sie diese Worte spricht und sich so bewegt, wie es die Audioaufnahme impliziert. HeyGen Video 1 erzeugt eine Szene: Man übergibt ihm eine Beschreibung, ein Bild oder einen Referenzclip, und es liefert fünf bis dreißig Sekunden Filmmaterial mit eigenem Dialog, Atmosphäre und Effekten zurück, wobei überhaupt keine präsentierende Person impliziert wird.

Diese Unterscheidung entscheidet in den meisten realen Projekten, bevor überhaupt Zahlen verglichen werden. Ein Trainingsmodul, in dem ein namentlich genannter Trainer ein Skript vortragen muss, ist Avatar 6. Eine Produktwerbung, in der eine Kaffeetasse im Morgengrauen auf einer Theke dampft, ist HeyGen Video 1. Ein Hybrid – ein Trainer, der über generiertem B-Roll-Material präsentiert – braucht beides, und HeyGens eigener Video Agent existiert, um beides zusammenzufügen.

Der Spezifikationskontrast, der sich tatsächlich unterscheidet

• Was Sie senden – Avatar 6 verwendet Referenzmedien plus Audio; HeyGen Video 1 verwendet einen Text-Prompt, ein Bild oder einen Referenzclip und erzeugt sein eigenes Audio.

• Ausgabelänge — Avatar 6 läuft so lange wie das von Ihnen bereitgestellte Audio, wobei durchgängige Renderings von 25 bis 28 Minuten demonstriert wurden; HeyGen Video 1 erzeugt 5- bis 30-sekündige Clips.

• Auflösung — Avatar 6 bietet 1080p und 2K; HeyGen Video 1 reicht von 480p bis 2K, wobei 1080p und 2K etwa das Dreifache des 768p-Tarifs kosten.

• Identität — Avatar 6 behält über den gesamten Render hinweg das Gesicht, die Stimme und die Eigenheiten einer Person bei; bei HeyGen Video 1 gibt es keine Identität, die beibehalten werden müsste, und Konsistenz zwischen Clips ist ein Prompting-Problem, keine Modellgarantie.

• Audio — Avatar 6 synchronisiert die Lippen mit dem von Ihnen bereitgestellten Audio, sodass Sie die Stimme auswählen und klonen können; HeyGen Video 1 erzeugt sein Audio aus dem Prompt, inklusive Dialog, mit etwa 2,5 Wörtern pro Sekunde für Timing-Schätzungen.

• Preis — Avatar 6 wird über Abonnement-Credits verkauft, ohne veröffentlichten Preis pro Sekunde; HeyGen Video 1 hat einen veröffentlichten API-Preis pro Sekunde, der in HeyGens eigenem Material mit $0.02 angegeben wird, während in seinem Kostendiagramm ein Wert von $0.03 erscheint.

• Bewegungssteuerung — Avatar 6 akzeptiert einen motion_prompt von bis zu 1.200 Zeichen plus einen zweistufigen Expressivitätsschalter; HeyGen Video 1 akzeptiert Kamera-, Objektiv- und Bewegungsanweisungen innerhalb der Shot-Beschreibung.

A generated two-column scoreboard titled 'Avatar 6 vs HeyGen Video 1 — the scoreboard'. Left column 'Avatar 6': What you send reference media plus audio; Output length as long as the audio, 25-28 min shown; Resolution 1080p and 2K (up to 2880x1620); Identity one person held throughout; Audio lip-sync to audio you supply; Price credits, no per-second rate. Right column 'HeyGen Video 1': What you send a text prompt, image or reference clip; Output length 5-30 second clips; Resolution 480p to 2K; Identity no identity to hold; Audio audio generated from the prompt; Price $0.02/s published. The footer reads 'Video 1 rate per HeyGen model page. Avatar 6 per-second pricing not published.'

Zwei dieser Zeilen wiegen mehr als die übrigen. Die Länge, weil sie den Unterschied zwischen einem Clip und einem lieferbaren Ergebnis ausmacht. Und die Preistransparenz, weil sie den Unterschied zwischen einem Budget und einer Vermutung ausmacht.

Wo die Preisasymmetrie wehtut

HeyGen Video 1 hat eine Preisliste. Auf der Modellseite werden 0,02 US-Dollar pro Sekunde für den API-Zugriff angegeben, und die Parametertabelle beschreibt Auflösungen von 480p bis 2K, wobei 1080p und 2K etwa das Dreifache des 768p-Tarifs kosten. Ein 30-Sekunden-Clip in 768p kostet daher ungefähr sechzig Cent, und das lässt sich mit Ihrem monatlichen Volumen multiplizieren, ohne jemanden fragen zu müssen.

Avatar 6 hat keinen. Die öffentliche Preisseite bietet Creator für 29 $/Monat mit 600 Credits und Pro für 49 $/Monat mit 1.000 Credits an und führt Avatar 6, Avatar 6 Turbo und Avatar 6 Pro als enthaltene Funktionen auf – doch es wird keine Umrechnung von Credits in Sekunden veröffentlicht, und die Entwickler-Preisseite führt zu einer App, die eine Anmeldung erfordert. Die Lücke ist weniger ein Versehen als vielmehr ein Reifegradunterschied: HeyGen Video 1 ist seit September auf dem Markt und hat sich auf einen Preis pro Sekunde eingependelt, während Avatar 6 zwei Tage alt ist und noch als Abonnement-Funktion verkauft wird.

Für alle, die Kosten modellieren, kehrt diese Asymmetrie die übliche Empfehlung um. Das neuere, beeindruckendere Modell ist jenes, für das Sie noch keinen Stückpreis festlegen können. Budgetieren Sie Avatar 6 in Credits und validieren Sie die Conversion mit HeyGen, bevor Sie skalieren, oder testen Sie es im Free-Tier – drei Videos mit Wasserzeichen pro Monat, je eine Minute –, bis eine Preisliste erscheint.

Worin jedes Einzelne tatsächlich gut ist

Die Zahl, die vorhersagt, was Sie in einer fertigen Datei sehen werden, ist 65,1 %, nicht die 84,4 % auf dem Banner. Die Schlagzeile von HeyGen rechnet eine Side-by-Side-Siegquote von 42,2 % — Bewertende sahen eine echte Aufnahme neben einem Clip von Avatar 6 desselben Sprechers, mit derselben Zeile und demselben Audio — auf eine Münzwurf-Basislinie von 50 um. Wurde stattdessen nur ein Clip gezeigt, wurden 65,1 % der Ausgaben von Avatar 6 als echt eingestuft, gegenüber 78,9 % der un bearbeiteten Aufnahmen, und dieser Wert fiel auf 56,5 %, sobald ein Stimmklon von HeyGen an die Stelle der eigenen Stimme der Person trat. Die Stimme trägt einen großen Teil der Überzeugungskraft, was gut zu wissen ist, wenn Sie entscheiden, wer sie aufnimmt.

Außerhalb von HeyGen existierte zum Zeitpunkt des Schreibens genau eine Messung. New Measure veröffentlichte am 18. November frühe Ergebnisse des Blind-Votings aus seiner Avatar Arena, und Avatar 6 belegte auf beiden Ranglisten den ersten Platz: 1.197 Elo für persönliche Avatare, 1.237 für Stock-Presenter. Lesen Sie die Einschränkungen, bevor Sie diese zitieren. Skripte waren auf 500 Zeichen begrenzt, 97 % der abgeschlossenen Vergleiche verwendeten Clips von 35 Sekunden oder weniger, und drei Konkurrenzbeiträge sprachen über HeyGens eigene geklonte Stimme. Jede dieser Einschränkungen beschreibt die Art von Clip, die HeyGen Video 1 erzeugt, nicht das 20-Minuten-Rendering, mit dem Avatar 6 verkauft wird.

A screenshot of HeyGen's Avatar 6 product page, showing the banner 'Introducing HeyGen Avatar 6, #1 on Avatar Arena', the heygen-avatar-6 model identifier, a 'Write a script' box containing a bracketed-emotion sample script at 195 of 320 characters, an 'Add motion' row with chips for Laughing, Whispering, Surprised, Angry, Excited and Custom, and the 'Choose a presenter' row.

Die Angaben zu HeyGen Video 1 weisen in eine andere Richtung. Seine veröffentlichte Bewertung ist ein interner Satz von Abfragen aus der Artificial Analysis Arena mit 4.800 Stimmen, bewertet nach HeyGens eigenem normalisierten Elo, plus ein 55,8%-Sieg bei der Blindpräferenz gegenüber dem Post-Train von MiniMax H3 eines anderen Anbieters bei 650 Stimmen mit einer Spanne von 49 bis 62 % – eine Spanne, deren unteres Ende einem Münzwurf gleicht. HeyGen Video 1 erscheint nicht auf den öffentlichen Videoboards von Artificial Analysis. Was es jedoch hat, ist eine dokumentierte Abstammung: Es basiert auf MiniMax H3 und wurde von HeyGen nachtrainiert, und seine Prompts sind wie eine Shotlist strukturiert, was zeigt, dass das Modell eher filmische Regieanweisungen als einen Satz erwartet.

Die Regeln für Referenzmedien sind der Punkt, an dem die beiden am stärksten auseinandergehen.

Die Einwilligungshürde ist die Asymmetrie, die es nie in eine Preistabelle schafft. Wenn Sie Avatar 6 ein Video einer echten Person geben, benötigt der Workspace Enterprise-Zugriff sowie eine Erklärung vor der Kamera, die einen eigens für diese Sitzung erzeugten Code enthält – ein im letzten Monat unterzeichnetes Freigabeformular ist kein Nachweis, und es wird nichts gerendert, bis HeyGens Abgleichprüfung bestanden ist. Eine Fotoreferenz oder ein bereits vorhandener Avatar-Look umgeht den gesamten Ablauf. HeyGen Video 1 hat keine entsprechende Hürde, denn ein Referenzclip steuert dort den Stil, statt das Gesicht einer bestimmten Person zu rekonstruieren; stattdessen erben Sie die üblichen Lizenzfragen zu dem von Ihnen hochgeladenen Material.

HeyGen Video 1 hat nichts davon. Sein Reference-to-Video-Modus verwendet einen Referenzclip, um Stil und Motiv zu steuern, ohne die Identitätsverifizierung, die Avatar 6 verlangt, weil er nicht das Gesicht einer bestimmten realen Person über die Zeit rekonstruiert. Wenn Ihr Anwendungsfall Personen mit vorliegender Einwilligung umfasst, sind die Regeln von Avatar 6 ein Feature. Wenn er einen stilisierten Charakter umfasst, stehen sie Ihnen einfach nicht im Weg.

Beides von einem Ort aus betreiben

OrcaRouter stellt keines der beiden Modelle bereit. Beide werden von HeyGen gehostet, sind zustimmungsgebunden und werden in HeyGen-Credits abgerechnet, und keine Routing-Schicht ändert daran etwas. Was eine Routing-Schicht jedoch ändert, sind die Kosten der Teile drumherum. Das Skript, das ein Avatar liest, die Shot-Liste, aus der ein Videoprompt erstellt wird, der Klassifikator, der entscheidet, welches der beiden eine Anfrage benötigt — das sind gewöhnliche Modellaufrufe, und genau die fallen um 2 Uhr nachts aus. Über zweihundert Modelle hinter einem einzigen OpenAI-kompatiblen Schlüssel, zum Listenpreis des Anbieters ohne Aufschlag, mit automatischem Failover, bedeuten, dass der Renderer die einzige Anbieterbeziehung ist, über die Sie nachdenken müssen.

Es gibt eine zweite, weniger offensichtliche Verwendung. HeyGen Video 1 basiert auf MiniMax H3, einem routbaren Modell für 0,08 $ pro Sekunde bei 768p und 0,13 $ bei 2K. Wenn Sie wissen möchten, ob HeyGens Post-Training seinen Aufpreis wert ist, ist es ein günstiges Experiment, das Basismodell mit demselben Prompt laufen zu lassen – und Sie können es ohne HeyGen-Konto durchführen.

A screenshot of the OrcaRouter model page for MiniMax-H3 (minimax/minimax-h3), showing the model ID, the description that it generates 4-15 second videos at 768P or 2K with native stereo audio billed per second of output, the per-second price of $0.0800 at 768P and $0.13 at 2K, and OpenAI-compatible code samples.

Zu welchem man greifen sollte

Greifen Sie zu Avatar 6, wenn das Ergebnis eine Person ist. Erklärvideos, die Lokalisierung eines vorhandenen Sprechers, Vertriebsansprache, bei der das Gesicht des Absenders zählt, alles, was länger als eine Minute dauert, alles, bei dem das Audio feststeht und der Mund dazu passen muss. Der Bearbeitungsmodus auf Wortebene ist wichtiger, als er klingt: Einen Satz in einem zwanzigminütigen Video neu zu generieren und dabei 48,3 dB des unveränderten Materials intakt zu lassen, ist der Unterschied zwischen einer fünfminütigen Korrektur und einem vollständigen erneuten Rendern.

Setzen Sie auf HeyGen Video 1, wenn als Ergebnis eine Szene stehen soll. Werbung, B-Roll, stilisierte Charaktere, alles, bei dem sich das Gewünschte am natürlichsten mit einer Shotlist beschreiben lässt, und alles, was kurz genug ist, dass dreißig Sekunden keine Einschränkung darstellen. Der Preis pro Sekunde und die veröffentlichten Dauerlimits machen es von den beiden Optionen zur einfacheren Wahl fürs Budget.

Greifen Sie auf beide zurück, wenn Sie präsentatorgelenkte Videos mit Cutaways produzieren – was auf die meisten Unternehmensvideos zutrifft. HeyGens Video Agent stellt sie zusammen, und die Aufteilung ist sauber: Der Präsentator ist Avatar 6, die Cutaways sind HeyGen Video 1, und keines der Modelle muss die Aufgabe des anderen schlecht erledigen.

Was ist noch ungemessen?

Niemand außerhalb von HeyGen hat Avatar 6 länger als 35 Sekunden getestet. Die Arena war dort gedeckelt, und jede Langform-Behauptung – 25 bis 28 Minuten, durchgehend, eine einzige Generierung – stammt aus HeyGens eigenen Demonstrationen. Ob die Identität in Minute zwölf driftet, ob sich das Gestenvokabular zu wiederholen beginnt, ob ein 2K-Render dieser Länge ökonomisch vertretbar ist: alles offen. Die offene Frage bei HeyGen Video 1 ist die entgegengesetzte und ältere: ob eine Obergrenze von dreißig Sekunden pro Clip eine technische Grenze oder eine Produktentscheidung ist und ob der Preis hält, sobald das Launch-Fenster schließt.

Kaufen Sie dasjenige, das zu Ihrem Bezugsrahmen passt. Kaufen Sie keines von beiden wegen eines Präferenzprozentsatzes – auch nicht wegen des von HeyGen und auch nicht wegen des der Arena.