Una tarjeta de título generada para el artículo «HeyGen Avatar 6», con un antetítulo que dice «COMPARACIÓN DE MODELOS DE AVATAR», el título grande «HeyGen Avatar 6», el subtítulo «Qué mide realmente la cifra de indistinguibilidad del 84,4 %» y tres tarjetas en forma de píldora que dicen «84,4 % = 42,2 % x 2», «1.197 Elo, avatares personales» y «17 de noviembre de 2026».
Engineering & Research

HeyGen Avatar 6: qué mide realmente la cifra de indistinguibilidad del 84,4 %

Autor

jinhao.song

Fecha de publicación

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

El titular de HeyGen para Avatar 6, lanzado el 17 de noviembre de 2026, es que el modelo es indistinguible de metraje real en un 84,4 %. Lea la nota al pie antes de repetirlo: en la prueba de comparación lado a lado, se mostró a los evaluadores una grabación real y un clip de Avatar 6 de la misma persona diciendo la misma frase con el mismo audio, y eligieron Avatar 6 como el real el 42,2 % de las veces. El cincuenta por ciento sería una confusión perfecta. HeyGen divide 42,2 entre 50 y duplica el resultado para obtener 84,4 %, lo cual es una forma legítima de expresar "cuánto hemos avanzado en la brecha" y una forma engañosa de expresar "con qué frecuencia esto engaña a alguien". Ambos números describen las mismas 270 respuestas.

Esto importa porque Avatar 6 no es una demo. Es un modelo en producción con dos superficies de API, dos checkpoints, un nivel gratuito y —a partir de hoy— una clasificación de terceros que lo coloca en primer lugar. La pregunta interesante ya no es si HeyGen ha construido algo bueno. Es qué respalda realmente la evidencia y dónde se sitúa la brecha entre la aritmética del marketing y el comportamiento medido.

Qué se lanzó, exactamente

Avatar 6 está disponible como dos identificadores de modelo, heygen-avatar-6 y heygen-avatar-6-turbo, a través de dos endpoints diferentes. La API de modelos en POST /v3/models/avatars acepta una imagen de referencia, un vídeo de referencia opcional y el audio de voz que proporciones; no hay paso de entrenamiento del avatar ni voz que configurar primero. La API de aplicaciones en POST /v3/videos renderiza un look de avatar de HeyGen existente estableciendo engine.type en uno de esos dos identificadores, que es la ruta que tomas si ya tienes un gemelo digital con consentimiento.

• Resolución: 1080p por defecto, 2K bajo solicitud; la Model API ajusta la salida 2K a 2880×1620 a partir de una referencia 16:9, y la Application API a 2560×1440.

• Duración — establecida por el audio que ingresas. No hay parámetro de duración, ni límite de clip ni paso de unión; la página de investigación demuestra generaciones continuas individuales de 25 a 28 minutos.

• Control — un motion_prompt de hasta 1.200 caracteres que abarca gestos, expresión, postura y cámara, además de un interruptor motion_expressiveness con dos ajustes: predeterminado o menos para gestos más pequeños y expresiones más calmadas.

• Video de referencia: un clip de al menos dos segundos, de hasta 50 MB por URL o base64, y de hasta 200 MB mediante carga directa. El video de referencia de una persona real requiere acceso Enterprise y una grabación de consentimiento en cámara con un código de un solo uso; sin esto, la API devuelve 422 realistic_human_reference_not_allowed.

• Edición — un modo de edición a nivel de palabra que regenera únicamente las palabras modificadas y deja intacto el resto del metraje.

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.'

El diseño del consentimiento merece que nos detengamos en él, porque es más estricto de lo que la mayoría de los proveedores de avatares se molesta en implementar. La declaración de consentimiento debe contener un código generado para esa sesión, de modo que las grabaciones hechas con antelación no puedan superar la verificación, y HeyGen comprueba que la persona en la grabación de consentimiento coincida con la persona en el metraje de entrenamiento antes de que el avatar pueda renderizarse siquiera.

El 84,4%, desglosado

HeyGen realizó dos pruebas, y discrepan de una manera útil.

Al mostrarles un clip a la vez y preguntarles «¿real o IA?», los evaluadores juzgaron como reales el 78,9 % de las grabaciones genuinas. Juzgaron como reales el 65,1 % de los clips de Avatar 6 cuando se usó la propia voz de la persona. Si se sustituye por un clon de voz de HeyGen Voice, esa cifra cae al 56,5 %. Ese es el titular honesto: aproximadamente dos de cada tres clips de Avatar 6 pasan por reales ante un desconocido que está buscando falsificaciones, frente a cuatro de cada cinco grabaciones reales.

La prueba lado a lado es más fácil —tienes un punto de referencia y el modelo solo tiene que ser el más convincente de los dos—, y de ahí viene el 42.2%. HeyGen también informa de un estudio de un solo clip con "juzgado como real" con 612 respuestas reales y 304 y 308 respuestas de IA, respectivamente, lo cual es una muestra lo suficientemente pequeña como para que la diferencia entre 65.1% y 56.5% merezca una segunda ejecución antes de que alguien base una afirmación en ella.

Frente a otros modelos de vídeo, usando metraje de la propia persona, HeyGen informa de una victoria de preferencia del 72,4 % sobre Seedance 2.5, del 74,1 % sobre Wan 3.0 y del 54,9 % sobre Kling 4.0. A partir de una sola foto, el margen frente a Kling se amplía al 73,5 %, lo que dice algo sobre el valor que tiene el metraje de referencia para el resultado de un competidor, no solo para el de HeyGen. Frente a productos comerciales de avatares, evaluadores externos puntuaron Avatar 6 con 4,00 en general a partir de una foto, frente a VEED Fabric 1.0 con 3,68, y con 3,98 a partir de metraje, frente a Akool Talking Avatar con 2,93. Todos estos son estudios de la propia HeyGen, con los propios evaluadores de HeyGen y su propio conjunto de prompts. Considéralos una presunción sólida, no un resultado.

New Measure llegó primero

La única prueba que HeyGen no encargó llegó hoy. New Measure publicó resultados preliminares de Avatar Arena basados en votos a ciegas recopilados entre el 27 de octubre y el 16 de noviembre —antes del lanzamiento— entre ocho proveedores de avatares. Los votantes vieron dos vídeos del mismo guion, etiquetados A y B con los nombres de los proveedores ocultos, y eligieron un ganador.

Avatar 6 quedó en primer lugar en ambas tablas: 1.197 Elo en avatares personales, con un rango de 1.162 a 1.241, y 1.237 en presentadores de stock, con un rango de 1.207 a 1.278. Creatify Aurora 2.0 fue segundo en ambas, con 1.053 y 1.088. Tavus Phoenix-4.5 se situó en 920 en avatares de stock, por detrás de Creatify y por delante de JoggAI con 887 y de Synthesia EXPRESS-1 con 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.

Dos detalles de ese informe son más reveladores que la clasificación. Primero, New Measure revela que tres de los competidores —VEED, Creatify y Captions— utilizaron voces generadas con el clon de voz de HeyGen, por lo que parte del margen de HeyGen en voz es HeyGen compitiendo consigo mismo. Segundo, y más importante para este lanzamiento: la arena limita los guiones a 500 caracteres, el guion típico tenía 62 palabras y, en el 97 % de las comparaciones completadas, ambos videos duraban 35 segundos o menos. Por lo tanto, la arena no dice absolutamente nada sobre la función con la que Avatar 6 se presenta —duración ilimitada—. Ninguna persona fuera de HeyGen ha puesto a prueba a un modelo capaz de mantener una identidad coherente durante 26 minutos en ese aspecto.

La velocidad es el otro punto en el que la clasificación y la experiencia difieren. Avatar 6 era normalmente el más lento de los cinco en la categoría de avatares personales, con 175,6 segundos por vídeo, frente a 60,2 segundos de Runway GWM-1; uno de cada diez vídeos de avatar personal de HeyGen tardaba más de nueve minutos y medio. La preferencia y la paciencia son puntuaciones distintas, y New Measure dice claramente que las dos no coincidían.

Qué hace el modelo realmente de forma diferente

El cambio mecánico es que Avatar 6 lee el guion en lugar de reproducir un bucle de movimiento. Los avatares anteriores de HeyGen se parecían a la persona, pero gesticulaban de la misma manera independientemente del contenido; este señalará «el mostrador de la izquierda», contará hasta tres con los dedos con «el sabor, las opciones y la sensación», y se llevará una mano al corazón con «siempre es un placer charlar» —porque el prompt se lo indicó, o porque la frase lo implicaba. Que los casos implícitos funcionen tan bien como los indicados es el tipo de cosa que solo se resolverá con el uso en producción.

La segunda capacidad son dos avatares en un mismo encuadre manteniendo una conversación con guion, generada en una sola pasada. Es una función con formato de pódcast y es la que más probabilidades tiene de resultar útil para equipos que ya producen ese formato, ya que elimina la edición entre los cortes de los hablantes.

El tercero es la edición a nivel de palabra. Los propios números de HeyGen para ella son: LSE-C de sincronización labial de 7,67 en las palabras nuevas frente a 6,25 de la grabación original; similitud facial de 0,913 frente al 0,907 del siguiente mejor; similitud de voz de 0,763 frente a 0,739; y PSNR de 48,3 dB en el metraje no modificado frente a 29,3 dB del método de edición competidor más cercano, con un 34,4 % de fotogramas modificados en lugar del 99 %+ que tocaron los métodos de comparación. Esa última cifra es la que importa a nivel operativo: volver a grabar una frase en un vídeo de 20 minutos es barato solo si los otros 19 minutos sobreviven byte por byte.

Cuánto cuesta y qué no se publica

Avatar 6 está en el plan gratuito: tres videos con marca de agua al mes, de hasta un minuto cada uno, y no se requiere tarjeta para el primero. Creator, a $29/mes, incluye 600 créditos y ofrece Avatar 6 Turbo; Pro, a $49/mes, incluye 1,000 créditos y ofrece Avatar 6 Pro. HeyGen vende el acceso en créditos, no en segundos.

Ese es el vacío en el material de lanzamiento. HeyGen publica una tarifa por segundo para HeyGen Video 1 —0,02 USD, con una cifra de 0,03 USD que aparece en su propio gráfico de costos—, pero no existe una tarifa equivalente para Avatar 6 en las páginas de precios públicas, y la página de precios para desarrolladores redirige a una aplicación que requiere iniciar sesión. Si estás presupuestando una canalización de avatares a gran escala, en este momento estás calculando precios de créditos y adivinando la conversión. Pide la cifra por segundo por escrito antes de comprometer con ella una ruta de producción.

Dónde encaja esto si estás construyendo

Avatar 6 no está en OrcaRouter. No lo servimos, y ninguna cantidad de ingenio de enrutamiento cambia eso: es un renderizador alojado por HeyGen con su propio flujo de consentimiento y su propia facturación. Lo que sí servimos es la capa que lo rodea: la generación de guiones, la recuperación, la clasificación, el agente que decide qué debe decir el avatar. Eso es más de 200 modelos detrás de una sola clave compatible con OpenAI al precio de lista del proveedor y sin recargo, y conmutación por error automática cuando un proveedor falla. Si tu canalización de avatares se detiene porque el modelo que escribe los guiones dejó de funcionar, el renderizador nunca fue la parte frágil.

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.

Las preguntas abiertas

Tres cosas cambiarían esta situación, y ninguna de ellas está disponible todavía. Un precio de API por segundo, para que la economía pueda compararse con Seedance, Kling y el propio modelo de vídeo de HeyGen en igualdad de condiciones. Una prueba independiente de formato largo, porque todas las afirmaciones sobre duración que se hacen aquí se basan en las demos de HeyGen y la arena se quedó en 35 segundos. Y una comparación directa contra un competidor de ambición similar —Tavus Griffin, por ejemplo— bajo un mismo protocolo, realizada por alguien que no tenga un producto que vender.

Hasta entonces, el resumen justo es este: Avatar 6 es muy probablemente el mejor renderizador de avatares parlantes que se puede comprar hoy, el 84,4 % es un resultado real expresado en una unidad halagadora, y la capacidad que más lo distingue es la que nadie fuera de HeyGen ha medido. Pon en marcha el piloto, pero instrumentalo: que uno de cada diez renders tarde nueve minutos es una decisión de producto, no una nota al pie.