Une carte de titre générée pour l'article « Avatar 6 vs Muse Realtime Avatar », avec un surtitre indiquant « COMPARAISON DE MODÈLES D'AVATAR », le grand titre « Avatar 6 vs Muse Realtime Avatar », le sous-titre « L'un se loue, l'autre s'habite », et trois pastilles indiquant « un fichier que vous possédez », « une session que vous rejoignez » et « aucun point de terminaison, aucune intégration ».
Guides & Insights

Avatar 6 vs Muse Realtime Avatar : l'un que vous louez, l'autre dans lequel vous vivez

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

La comparaison s’impose parce que les deux sont les meilleurs avatars que chacune des deux entreprises ait montrés, et les deux sont assez récents pour que personne n’ait d’opinion formée par l’expérience. Mais Avatar 6, lancé par HeyGen le 17 novembre 2026, et Muse Realtime Avatar, présenté en avant-première par Meta à Meta Connect le 23 septembre 2026 et déployé aux États-Unis dans l’application Muse depuis le 5 novembre, ne sont pas deux réponses à la même question. L’un est un moteur de rendu que l’on appelle avec de l’audio et qui renvoie un fichier. L’autre est un visage greffé sur un agent conversationnel au sein d’une application grand public. La bonne question n’est pas de savoir lequel est le plus beau. C’est de savoir lequel peut exister ne serait-ce qu’à proximité de votre produit — et pour l’un des deux, la réponse est « pas encore, et pas à vos conditions ». La partie de cette pile technologique que vous pouvez choisir dès aujourd’hui, c’est la couche de texte — une seule clé pour la couche de script et de routage et c’est l’élément qui détermine si l’avatar dit quelque chose qui vaille la peine d’être rendu.

La forme de chaque système

Avatar 6 est sans état de la manière qui compte pour un ingénieur. Vous lui envoyez une image de référence ou une courte vidéo, vous lui envoyez l’audio de la parole, et il renvoie un fichier vidéo dont la durée correspond à celle de cet audio. Rien ne persiste. Il n’y a ni session, ni mémoire, ni état de conversation. Un rendu de vingt-six minutes est une génération continue à partir d’une seule piste audio, et si vous voulez une seconde prise, vous envoyez à nouveau la requête.

Muse Realtime Avatar est l'inverse : il n'a aucun sens en dehors d'une session. Il consomme les tokens de parole produits par la couche conversationnelle de Meta et les transforme en visage, mouvements de lèvres et gestes synchronisés au fil de la conversation. Le chiffre publié est de 870 millisecondes entre la fin de votre tour de parole et le premier octet d'une réponse vocale et vidéo synchronisée — un chiffre de premier octet, et non un temps de réponse complet. Sa sortie est une vidéo portrait en 448×768 à 25 images par seconde, filigranée avec une superposition transparente afin que le destinataire puisse voir qu'il ne s'agit pas d'un flux de caméra.

• Unité de travail — Avatar 6 : une requête, un fichier, une durée définie par l’audio. Muse Realtime Avatar : une session en direct, aucun fichier, une sortie qui n’a de sens que sur le moment.

• Entrée — Avatar 6 : média de référence plus audio que vous générez ou enregistrez. Muse Realtime Avatar : jetons de parole issus de Muse Realtime Voice, une image de référence et une fenêtre glissante de latents vidéo récents.

• Sortie — Avatar 6 : vidéo 1080p ou 2K, jusqu’à 2880×1620, dans le format d’image que la référence implique. Muse Realtime Avatar : portrait 448×768 à 25 i/s, avec filigrane.

• Portée — Avatar 6 : API REST documentée, publiée dans la documentation destinée aux développeurs avec deux identifiants de modèle. Muse Realtime Avatar : l'application Muse, sur les comptes réservés aux 18 ans et plus, aux États-Unis.

• Prix — Avatar 6 : crédits d’abonnement sans tarif publié à la seconde. Muse Realtime Avatar : aucune grille tarifaire d’aucune sorte ; l’accès est compris avec un abonnement Muse.

• Évaluation — Avatar 6 : études du fournisseur ainsi qu’une arène indépendante qui le classe premier. Muse Realtime Avatar : uniquement des comparaisons rapportées par le fournisseur.

• Contrôle — Avatar 6 : motion_prompt jusqu’à 1 200 caractères, avec deux niveaux d’expressivité. Muse Realtime Avatar : aucun contrôle destiné aux développeurs.

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.'

Pourquoi les chiffres de latence ne sont pas comparables

Les 870 millisecondes de Meta et le silence de HeyGen sur le temps de génération méritent tous deux une lecture attentive, car ils mesurent des étapes différentes de pipelines différents.

Le chiffre de Meta correspond au délai entre le moment où vous finissez une phrase et le premier octet d'une réponse qui contient à la fois la voix et la vidéo. Il ne dit rien du reste de l'appel — ni du débit d'images soutenu, ni de ce qui se passe lorsque le sujet change en milieu de phrase, ni si l'image tient la route au bout de trois minutes. La méthodologie de Meta elle-même se compare à des références choisies par Meta. C'est une affirmation sur la réactivité, et une vraie, mais ce n'est qu'un seul point sur une courbe.

Le débit est l’axe que le chiffre de Meta n’aborde pas, car Meta ne vend pas de débit. L’arène indépendante a chronométré Avatar 6 à typiquement 175,6 secondes par rendu d’avatar personnel — le plus lent des cinq systèmes comparés — avec un rendu sur dix dépassant les neuf minutes et demie ; l’entrée de Runway a atteint en moyenne 60,2 secondes sur le même ensemble. Un pipeline par lots absorbe cela : mettez cent scripts en file d’attente, récupérez-les le matin. Un appel en direct ne le peut pas, c’est la contrainte que Meta a éliminée par optimisation et la raison pour laquelle les deux systèmes ne sont pas interchangeables, même là où la qualité d’image se recoupe.

Ainsi, les deux chiffres ne sont pas en concurrence. L’un est un chiffre en temps réel pour un système qui doit répondre dans le cadre d’une conversation. L’autre est une absence, pour un système qui n’a jamais été conçu pour répondre dans une conversation.

Le manque de preuves, dit sans détour

Les deux systèmes sont aussi inégaux quant à ce qu’un observateur extérieur peut vérifier. Avatar 6 dispose d’un point de terminaison public, si bien que New Measure a pu le tester à l’aveugle face à sept concurrents et publier l’Elo — en tête des deux classements avec 1 197 et 1 237 — tout en émettant ses propres réserves sur les scripts courts, les clips de 35 secondes et trois concurrents qui parlent via le clone vocal de HeyGen. Muse Realtime Avatar n’a pas de point de terminaison, donc toutes les comparaisons qui existent ont été réalisées par Meta, sur une base de référence choisie par Meta. Ce n’est pas une accusation de malhonnêteté ; c’est ce qu’un produit disponible uniquement sous forme d’application peut offrir, et c’est aussi la raison pour laquelle un développeur ne peut pas non plus l’évaluer.

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 n’a aucun équivalent, et ne peut pas en avoir. Il n’existe aucun point de terminaison permettant à un tiers de l’instrumenter, ni aucune interface publique pour scripter une comparaison. Meta rapporte des écarts de préférence par rapport à Runway Characters et à LiveAvatar de HeyGen, et son propre article révèle que la comparaison des maniérismes avec Runway n’était pas statistiquement distinguable de la parité — une mise en garde qui vaut plus que l’écart phare qu’elle nuance. Meta note également que ses démonstrations « ne reflètent pas toutes les avatars disponibles dans l’application Muse », phrase à garder en tête lorsqu’on regarde l’une d’elles.

Cette asymétrie résume tout l’argument en miniature. Un modèle doté d’une API peut être testé par des inconnus. Un modèle qui vit à l’intérieur d’une application ne peut être testé que par les utilisateurs, et les utilisateurs ne publient pas de protocoles.

À quoi sert vraiment Muse Realtime Avatar

Faisons abstraction de la comparaison : Meta a construit quelque chose sans équivalent proche dans la gamme de HeyGen. Muse Realtime Avatar est la couche visuelle d'un agent qui dispose déjà d'une mémoire, d'outils et d'un ordinateur cloud persistant — la Muse Secure VM de Meta est une machine Linux permanente dotée d'un navigateur que l'agent pilote pour votre compte. L'avatar donne un visage à cet agent pendant un appel vidéo, et le système perçoit votre vidéo autant que votre audio, en lisant le regard et les expressions plutôt qu'en attendant que vous ayez fini de parler.

Cette combinaison — un agent doté d’un espace de travail durable, d’un visage et de la capacité à vous voir — est une catégorie de produit dans laquelle HeyGen n’est pas présent. HeyGen vend de la production vidéo. Meta vend de la présence. Si votre cas d’usage est « un assistant destiné aux patients que l’on peut regarder pendant qu’il travaille », Muse Realtime Avatar est la solution commercialisée qui s’en rapproche le plus, et le fait qu’il ne soit commercialisé qu’au sein de l’application de Meta est une contrainte de distribution plutôt qu’une contrainte de capacités. Si votre cas d’usage est « quarante vidéos explicatives localisées d’ici vendredi », Meta n’a rien pour vous.

Donner un vrai visage à Avatar 6 implique de franchir un seuil sans équivalent dans une application grand public. Une vidéo de référence d’une personne réelle nécessite un accès Enterprise, une déclaration de consentement filmée portant un code propre à chaque session, et une vérification de correspondance entre la personne qui consent et celle qui figure dans les images ; omettez l’un de ces éléments et la requête échoue avec une erreur 422 au lieu de se dégrader discrètement en quelque chose de livrable. Meta traite le même problème par la politique — comptes réservés aux 18 ans et plus, États-Unis uniquement, et un filigrane visible sur chaque image produite.

Les contraintes de Meta sont plutôt d’ordre distributionnel. L’application Muse est réservée aux 18 ans et plus, son déploiement est limité aux États-Unis depuis le 5 novembre, et l’accès développeur n’est pas proposé — le catalogue développeur de Meta répertorie Muse Code, Muse Wonder, Muse Spark, Muse Spark Open, Muse Glimmer, Muse Image et Muse Voice Transcribe, et aucun des deux produits Realtime n’y figure. Vous n’intégrez pas Muse Realtime Avatar. Vous l’utilisez tout au plus.

Quel rapport OrcaRouter a-t-il avec l’un ou l’autre ?

Avatar 6 ne fait pas partie de ce qu'OrcaRouter peut router : c'est un rendu HeyGen, facturé en crédits HeyGen derrière le flux de consentement de HeyGen, et Muse Realtime Avatar n'a tout simplement aucun endpoint. Ce que nous servons, c'est le modèle Muse qui se trouve sous la stack d'agents de Meta — meta/muse-spark-1.2, au prix catalogue du fournisseur, sans aucune marge — ainsi que les modèles texte qui rédigent les scripts qu'interprète Avatar 6.

C'est la frontière honnête, et c'est là que se situe le conseil pratique. Si vous construisez un produit conversationnel avec un visage, la couche de raisonnement et d'appel d'outils est la partie que vous pouvez choisir dès aujourd'hui, et c'est elle qui détermine si l'ensemble est utile. Le moteur de rendu est une décision de fournisseur de plus, par-dessus. Placer cette couche derrière une clé unique avec bascule automatique signifie qu'une panne de fournisseur vous coûte une nouvelle tentative plutôt que votre produit.

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.

Qui devrait se soucier de quoi ?

Si vous produisez de la vidéo — formation, marketing, localisation, prospection — Avatar 6 est l’outil le plus performant, et de loin, ainsi que le seul des deux que vous pouvez intégrer à un pipeline ce mois-ci. Sa capacité à traiter les formats longs n’a été évaluée par personne en dehors de HeyGen, son prix à la seconde n’est pas publié, et l’arène qui le classe premier n’a jamais testé de clip de plus de 35 secondes. Même avec ces trois réserves, il reste l’option la plus solide disponible.

Si vous construisez un agent auquel les gens parleront en face à face, Muse Realtime Avatar est le système le plus intéressant et le moins utilisable. Surveillez-le. Ne concevez pas votre architecture autour de lui. Meta l’a d’abord livré aux consommateurs, et pas du tout aux développeurs, et tant qu’il n’existe pas de point de terminaison, il n’y a rien sur quoi construire.

Ce qui changerait cette page : une Muse developer API, ou une évaluation indépendante en temps réel de Muse Realtime Avatar. L’un ou l’autre permettrait de comparer les deux sur autre chose que l’intention.