Una tarjeta de título generada para el artículo «Avatar 6 vs Muse Realtime Avatar», con un antetítulo que dice «COMPARACIÓN DE MODELOS DE AVATAR», el título grande «Avatar 6 vs Muse Realtime Avatar», el subtítulo «Uno lo alquilas, uno lo habitas» y tres tarjetas tipo píldora que dicen «un archivo que posees», «una sesión a la que te unes» y «sin endpoint, sin integración».
Guides & Insights

Avatar 6 vs Muse Realtime Avatar: uno que alquilas, otro en el que vives

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

La comparación se hace porque ambos son el mejor avatar que cualquiera de las dos compañías ha mostrado, y ambos son lo bastante nuevos como para que nadie tenga una opinión formada por la experiencia. Pero Avatar 6, lanzado por HeyGen el 17 de noviembre de 2026, y Muse Realtime Avatar, presentado por Meta en Meta Connect el 23 de septiembre de 2026 y en despliegue en la app Muse de EE. UU. desde el 5 de noviembre, no son dos respuestas a la misma pregunta. Uno es un renderizador al que llamas con audio y del que recibes un archivo. El otro es una cara atornillada a un agente conversacional dentro de una app de consumo. La pregunta útil no es cuál se ve mejor. Es cuál puede existir en las proximidades de tu producto — y para uno de ellos la respuesta es «todavía no, y no en tus términos». La parte de este stack que puedes elegir hoy es la capa de texto — una clave para la capa de guion y enrutamiento y es la pieza que decide si el avatar dice algo que merezca la pena renderizar.

La forma de cada sistema

Avatar 6 no tiene estado en el sentido que le importa a un ingeniero. Le envías una imagen de referencia o un vídeo corto, le envías el audio de la voz y te devuelve un archivo de vídeo cuya duración es la de ese audio. Nada persiste. No hay sesión, ni memoria, ni estado de conversación. Un render de veintiséis minutos es una generación continua a partir de una sola pista de audio, y si quieres una segunda toma, envías la solicitud de nuevo.

Muse Realtime Avatar es lo contrario: no tiene significado fuera de una sesión. Consume tokens de voz producidos por la capa conversacional de Meta y los convierte en rostro, movimiento de labios y gestos sincronizados a medida que la conversación se desarrolla. Su cifra publicada es de 870 milisegundos desde el final de tu turno hasta el primer byte de una respuesta sincronizada de voz y vídeo — una cifra de primer byte, no una cifra de tiempo hasta completar la respuesta. Su salida es vídeo vertical de 448×768 a 25 fotogramas por segundo, con marca de agua mediante una superposición transparente para que el destinatario pueda saber que no es una señal de cámara.

• Unidad de trabajo — Avatar 6: una solicitud, un archivo, duración determinada por el audio. Muse Realtime Avatar: una sesión en vivo, sin archivo, resultado solo significativo en el momento.

• Entrada — Avatar 6: medios de referencia más audio que generes o grabes. Muse Realtime Avatar: tokens de habla de Muse Realtime Voice, una imagen de referencia y una ventana móvil de latentes de video recientes.

• Salida — Avatar 6: vídeo en 1080p o 2K, hasta 2880×1620, con la relación de aspecto que implique la referencia. Muse Realtime Avatar: vertical de 448×768 a 25 fps, con marca de agua.

• Alcance — Avatar 6: API REST documentada, publicada en la documentación para desarrolladores con dos identificadores de modelo. Muse Realtime Avatar: la app Muse, en cuentas de mayores de 18 años, en EE. UU.

• Precio — Avatar 6: créditos de suscripción sin tarifa publicada por segundo. Muse Realtime Avatar: ninguna tarifa publicada de ningún tipo; el acceso viene incluido con una suscripción a Muse.

• Evaluación — Avatar 6: estudios del proveedor más una arena independiente que lo sitúa en primer lugar. Muse Realtime Avatar: solo comparativas reportadas por el proveedor.

• Control — Avatar 6: motion_prompt hasta 1.200 caracteres, expresividad de dos niveles. Muse Realtime Avatar: sin ningún control orientado al desarrollador.

A generated two-column scoreboard titled 'Avatar 6 vs Muse Realtime Avatar — the scoreboard'. Left column 'Avatar 6': Unit of work one request, one file; Input reference media plus audio; Output video up to 2880x1620; Latency not published; Access REST API, two model IDs; Price subscription credits. Right column 'Muse Realtime Avatar': Unit of work one live session, no file; Input speech tokens, reference image, video latents; Output 448x768 portrait at 25 fps; Latency 870 ms to first byte; Access Muse app, US, 18+; Price no rate card of any kind. The footer reads 'Avatar 6 per HeyGen and New Measure. Muse figures vendor-reported only.'

Por qué las cifras de latencia no son comparables

Los 870 milisegundos de Meta y el silencio de HeyGen respecto al tiempo de generación merecen ambos una lectura atenta, porque miden etapas distintas de procesos distintos.

La cifra de Meta es el intervalo entre que terminas una frase y el primer byte de una respuesta que contiene tanto voz como vídeo. No dice nada sobre el resto de la llamada — ni sobre la tasa de fotogramas sostenida, ni sobre qué ocurre cuando el tema cambia a mitad de frase, ni sobre si la imagen se mantiene después de tres minutos. La propia metodología de Meta compara con líneas base seleccionadas por Meta. Es una afirmación sobre la capacidad de respuesta, y una real, pero es un solo punto en una curva.

La capacidad de procesamiento es el eje que la cifra de Meta no aborda, porque Meta no vende capacidad de procesamiento. La arena independiente cronometró Avatar 6 en unos típicos 175,6 segundos por render de avatar personal —el más lento de los cinco sistemas comparados—, con uno de cada diez renders superando los nueve minutos y medio; la entrada de Runway promedió 60,2 segundos en el mismo conjunto. Una canalización por lotes absorbe eso: pon cien guiones en cola y recógelos por la mañana. Una llamada en vivo no puede, que es la restricción que Meta eliminó mediante optimización y la razón por la que los dos sistemas no son intercambiables incluso donde la calidad de imagen se solapa.

Así que las dos cifras no compiten. Una es una cifra en tiempo real para un sistema que debe responder dentro de una conversación. La otra es una ausencia, para un sistema que nunca fue diseñado para responder dentro de una.

La brecha de evidencia, expresada sin rodeos

Los dos sistemas también son desiguales en cuánto puede comprobar una persona ajena. Avatar 6 tiene un endpoint público, así que New Measure pudo entrar a ciegas frente a siete rivales y publicar Elo —primero en ambas tablas, con 1.197 y 1.237— junto con sus propias advertencias sobre guiones breves, clips de 35 segundos y tres competidores que hablan mediante el clon de voz de HeyGen. Muse Realtime Avatar no tiene endpoint, así que todas las comparaciones que existen las ejecutó Meta, sobre una base de referencia que Meta eligió. Eso no es una acusación de deshonestidad; es lo que puede ofrecer un producto disponible únicamente como aplicación, y es la misma razón por la que un desarrollador tampoco puede evaluarlo con pruebas comparativas.

A screenshot of the New Measure article 'Which AI avatar do creators prefer?', published 18 November 2026, showing the headline that HeyGen Avatar 6 was preferred most often on both personal and stock avatars with Creatify Aurora 2.0 second on both, and the start of the methodology describing blind A/B votes on a shared script.

Muse Realtime Avatar no tiene nada equivalente, y no puede tenerlo. No hay ningún endpoint para que un tercero lo instrumente ni una interfaz pública para programar una comparación contra él. Meta informa de porcentajes de preferencia frente a Runway Characters y LiveAvatar de HeyGen, y su propia publicación revela que la comparación de gestos frente a Runway no era estadísticamente distinguible de la paridad —una salvedad que vale más que el porcentaje del titular que matiza. Meta también señala que sus demostraciones "no reflejan todos los avatares disponibles en la app Muse", que es la frase que hay que tener en cuenta al ver cualquiera de ellas.

Esa asimetría es todo el argumento en miniatura. Un modelo con una API puede ser probado por desconocidos. Un modelo que vive dentro de una aplicación solo puede ser probado por usuarios, y los usuarios no publican protocolos.

Para qué sirve realmente Muse Realtime Avatar

Si quitamos la comparación, Meta ha construido algo sin un equivalente cercano en la línea de HeyGen. Muse Realtime Avatar es la capa visual de un agente que ya tiene memoria, herramientas y una computadora en la nube persistente: Muse Secure VM de Meta es una máquina Linux permanente con un navegador que el agente opera en tu nombre. El avatar le da una cara a ese agente durante una videollamada, y el sistema percibe tu video además de tu audio, leyendo la mirada y la expresión en lugar de esperar a que dejes de hablar.

Esa combinación —un agente con un espacio de trabajo duradero, una cara y la capacidad de verte— es una categoría de producto en la que HeyGen no está. HeyGen vende producción de vídeo. Meta vende presencia. Si tu caso de uso es «un asistente orientado a pacientes que una persona pueda mirar mientras trabaja», Muse Realtime Avatar es lo más cercano disponible en el mercado, y el hecho de que solo se lance dentro de la app de Meta es una limitación de distribución, no de capacidades. Si tu caso de uso es «cuarenta vídeos explicativos localizados para el viernes», Meta no tiene nada para ti.

Ponerle un rostro real a Avatar 6 implica superar un control que no tiene equivalente en ninguna app de consumo. Un video de referencia de una persona real requiere acceso Enterprise, una declaración de consentimiento ante la cámara que incluya un código por sesión, y una verificación de coincidencia entre la persona que consiente y la persona que aparece en el metraje; si se omite cualquiera de estos pasos, la solicitud falla con un 422 en lugar de degradarse silenciosamente hasta convertirse en algo publicable. Meta aborda el mismo problema mediante políticas: cuentas para mayores de 18 años, solo en EE. UU. y una marca de agua visible en cada fotograma que produce.

Las restricciones de Meta son, en cambio, de distribución. La aplicación Muse es para mayores de 18 años, el despliegue ha sido solo en EE. UU. desde el 5 de noviembre y no se ofrece acceso para desarrolladores: el catálogo para desarrolladores de Meta incluye Muse Code, Muse Wonder, Muse Spark, Muse Spark Open, Muse Glimmer, Muse Image y Muse Voice Transcribe, y ninguno de los dos productos Realtime aparece allí. No estás integrando Muse Realtime Avatar. Como mucho, lo estás usando.

¿Qué tiene que ver OrcaRouter con cualquiera de los dos?

Avatar 6 no es algo que OrcaRouter pueda enrutar: es un render de HeyGen, facturado en créditos de HeyGen detrás del flujo de consentimiento de HeyGen, y Muse Realtime Avatar no tiene endpoint alguno. Lo que sí servimos es el modelo Muse que subyace al stack de agentes de Meta — meta/muse-spark-1.2, al precio de lista del proveedor sin margen — además de los modelos de texto que escriben los guiones que interpreta Avatar 6.

Ese es el límite honesto, y es donde reside el consejo práctico. Si estás construyendo un producto conversacional con rostro, la capa de razonamiento y de llamada a herramientas es la parte que puedes elegir hoy, y es la parte que determina si la cosa resulta útil. El renderizador es una decisión de proveedor adicional. Poner esa capa detrás de una única clave con conmutación por error automática significa que una caída del proveedor te cuesta un reintento en lugar de un producto.

A screenshot of the OrcaRouter model page for Muse Spark 1.2 (meta/muse-spark-1.2), showing the multimodal input row (text, image, video, file, audio), reasoning and tools capability flags, the $1.25 input and $4.25 output prices, the 1,048,576-token context note, and OpenAI-compatible code samples.

¿Quién debería preocuparse por cuál?

Si produces vídeo —formación, marketing, localización y divulgación—, Avatar 6 es la herramienta más capaz por un amplio margen, y la única de las dos que puedes integrar en un flujo de trabajo este mes. Nadie fuera de HeyGen ha evaluado su capacidad para formatos largos, su precio por segundo no está publicado, y la arena que lo sitúa en primer lugar nunca ha probado un clip de más de 35 segundos. Ten en cuenta esas tres salvedades y aun así sigue siendo la opción más sólida disponible.

Si estás creando un agente con el que la gente hablará cara a cara, Muse Realtime Avatar es el sistema más interesante y el menos usable. Síguelo de cerca. No diseñes tu arquitectura en torno a él. Meta lo ha lanzado primero a los consumidores y a los desarrolladores no les ha llegado en absoluto, y hasta que haya un endpoint no hay nada sobre lo que construir.

Qué cambiaría esta página: una API para desarrolladores de Muse, o una evaluación independiente en tiempo real de Muse Realtime Avatar. Cualquiera de las dos permitiría compararlos en algo distinto de la intención.