Una card di titolo generata per l'articolo 'Avatar 6 vs Muse Realtime Avatar', con un occhiello che recita 'CONFRONTO MODELLI AVATAR', il grande titolo 'Avatar 6 vs Muse Realtime Avatar', il sottotitolo 'Uno lo noleggi, uno lo vivi dall'interno', e tre pill card che recitano 'un file che possiedi', 'una sessione a cui partecipi' e 'nessun endpoint, nessuna integrazione'.
Guides & Insights

Avatar 6 vs Muse Realtime Avatar: uno lo affitti, uno ci vivi dentro

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Il confronto viene fatto perché entrambi sono il miglior avatar che ciascuna delle due aziende abbia mai mostrato, e sono entrambi così nuovi che nessuno ha un'opinione maturata dall'esperienza. Ma Avatar 6, rilasciato da HeyGen il 17 novembre 2026, e Muse Realtime Avatar, presentato in anteprima da Meta a Meta Connect il 23 settembre 2026 e in distribuzione nell'app Muse negli Stati Uniti dal 5 novembre, non sono due risposte alla stessa domanda. Uno è un renderer a cui passi l'audio e che ti restituisce un file. L'altro è un volto imbullonato a un agente conversazionale dentro un'app consumer. La domanda utile non è quale dei due sia più bello. È quale dei due possa esistere anche solo nei paraggi del tuo prodotto — e per uno di questi la risposta è "non ancora, e non alle tue condizioni." La parte di questo stack che puoi scegliere oggi è il livello di testo — una chiave per il livello di script e routing ed è l'elemento che decide se l'avatar dice qualcosa che valga la pena renderizzare.

La forma di ciascun sistema

Avatar 6 è stateless nel modo che conta per un ingegnere. Gli invii un'immagine di riferimento o un breve video, gli invii l'audio del parlato, e restituisce un file video che dura quanto quell'audio. Nulla persiste. Non c'è sessione, né memoria, né stato della conversazione. Un rendering di ventisei minuti è un'unica generazione continua da una singola traccia audio, e se vuoi una seconda versione invii di nuovo la richiesta.

Muse Realtime Avatar è l'opposto: non ha alcun significato al di fuori di una sessione. Consuma i token vocali prodotti dal livello conversazionale di Meta e li trasforma in volto, movimento delle labbra e gesti sincronizzati man mano che la conversazione si svolge. Il dato pubblicato è 870 millisecondi dalla fine del tuo turno al primo byte di una risposta sincronizzata voce e video — un numero relativo al primo byte, non un tempo per completare la risposta. Il suo output è video verticale 448×768 a 25 fotogrammi al secondo, contrassegnato da un watermark tramite overlay trasparente, così che il destinatario possa capire che non si tratta di un feed della fotocamera.

• Unità di lavoro — Avatar 6: una richiesta, un file, durata determinata dall'audio. Muse Realtime Avatar: una sessione live, nessun file, output significativo solo nel momento.

• Input — Avatar 6: media di riferimento più audio che generi o registri. Muse Realtime Avatar: token vocali da Muse Realtime Voice, un'immagine di riferimento e una finestra scorrevole degli ultimi latenti video.

• Output — Avatar 6: video 1080p o 2K, fino a 2880×1620, con le proporzioni implicite nel riferimento. Muse Realtime Avatar: 448×768 verticale a 25 fps, con filigrana.

• Reach — Avatar 6: API REST documentata, pubblicata nella documentazione per sviluppatori con due identificatori di modello. Muse Realtime Avatar: l'app Muse, sugli account per maggiori di 18 anni, negli Stati Uniti.

• Prezzo — Avatar 6: crediti in abbonamento senza una tariffa al secondo pubblicata. Muse Realtime Avatar: nessun listino prezzi di alcun tipo; l’accesso è incluso in un abbonamento Muse.

• Valutazione — Avatar 6: studi del fornitore più un'arena indipendente che lo colloca al primo posto. Muse Realtime Avatar: solo confronti dichiarati dal fornitore.

• Controllo — Avatar 6: motion_prompt fino a 1.200 caratteri, espressività a due livelli. Muse Realtime Avatar: nessun controllo destinato agli sviluppatori.

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.'

Perché i valori di latenza non sono comparabili

Gli 870 millisecondi di Meta e il silenzio di HeyGen sui tempi di generazione meritano entrambi una lettura attenta, perché misurano fasi diverse di pipeline diverse.

Il dato di Meta è il divario tra il momento in cui finisci una frase e il primo byte di una risposta che contiene sia voce sia video. Non dice nulla sul resto della chiamata — non sul frame rate sostenuto, non su cosa succede quando l'argomento cambia a metà frase, non se la parte visiva regge dopo tre minuti. La metodologia di Meta stessa confronta con baseline scelte da Meta. È un'affermazione sulla reattività, e anche vera, ma è un singolo punto su una curva.

Il throughput è l'asse che il dato di Meta non tocca, perché Meta non vende throughput. L'arena indipendente ha cronometrato Avatar 6 a una media tipica di 175,6 secondi per il rendering di un avatar personale — il più lento dei cinque sistemi confrontati — con un rendering su dieci che superava i nove minuti e mezzo; la voce di Runway ha fatto una media di 60,2 secondi sullo stesso set. Una pipeline batch assorbe questo: accoda cento script e li ritiri al mattino. Una chiamata dal vivo non può farlo, ed è il vincolo che Meta ha eliminato tramite ottimizzazione e il motivo per cui i due sistemi non sono intercambiabili anche laddove la qualità dell'immagine si sovrappone.

Quindi i due numeri non competono. Uno è un dato in tempo reale per un sistema che deve rispondere all'interno di una conversazione. L'altro è un'assenza, per un sistema che non è mai stato progettato per rispondere all'interno di una.

Il divario probatorio, detto chiaramente

I due sistemi sono anche disuguali per quanto un estraneo è in grado di verificare. Avatar 6 ha un endpoint pubblico, quindi New Measure poteva accedervi alla cieca contro sette rivali e pubblicare Elo — primo su entrambe le classifiche a 1.197 e 1.237 — insieme alle proprie avvertenze su script brevi, clip da 35 secondi e tre concorrenti che parlano tramite il voice clone di HeyGen. Muse Realtime Avatar non ha alcun endpoint, quindi ogni confronto esistente è stato eseguito da Meta, su una baseline scelta da Meta. Non è un'accusa di disonestà; è ciò che un prodotto disponibile solo come app può offrire, ed è lo stesso motivo per cui nemmeno uno sviluppatore può sottoporlo a benchmark.

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 non ha nulla di equivalente, e non può averlo. Non esiste un endpoint che una terza parte possa strumentare né un'interfaccia pubblica per scriptare un confronto. Meta riporta percentuali di preferenza rispetto a Runway Characters e a LiveAvatar di HeyGen, e il suo stesso post rivela che il confronto sui manierismi rispetto a Runway non era statisticamente distinguibile dalla parità — un'avvertenza che vale più della percentuale di preferenza che qualifica. Meta nota anche che le sue dimostrazioni "non tutti riflettono gli avatar disponibili nell'app Muse", che è la frase da tenere a mente quando se ne guarda una qualsiasi.

Quell'asimmetria è l'intero argomento in miniatura. Un modello con un'API può essere testato da estranei. Un modello che vive dentro un'app può essere testato solo dagli utenti, e gli utenti non pubblicano protocolli.

A cosa serve davvero Muse Realtime Avatar

Tolto il confronto, Meta ha costruito qualcosa che non ha un equivalente diretto nella linea di HeyGen. Muse Realtime Avatar è il livello visivo di un agente che possiede già memoria, strumenti e un computer cloud persistente — Muse Secure VM di Meta è una macchina Linux sempre attiva con un browser che l'agente utilizza per tuo conto. L'avatar dà un volto a quell'agente durante una videochiamata, e il sistema percepisce il tuo video oltre che l'audio, leggendo sguardo ed espressione invece di aspettare che tu finisca di parlare.

Quella combinazione — un agente con uno spazio di lavoro durevole, un volto e la capacità di vederti — è una categoria di prodotto in cui HeyGen non opera. HeyGen vende produzione video. Meta vende presenza. Se il tuo caso d'uso è "un assistente per i pazienti che una persona possa guardare mentre lavora", Muse Realtime Avatar è la cosa più vicina a essere disponibile sul mercato, e il fatto che sia distribuito solo all'interno dell'app di Meta è un vincolo di distribuzione, non di capacità. Se il tuo caso d'uso è "quaranta video esplicativi localizzati entro venerdì", Meta non ha nulla per te.

Mettere un volto reale su Avatar 6 significa superare un controllo che non ha analoghi in un'app consumer. Un video di riferimento di una persona reale richiede l'accesso Enterprise, una dichiarazione di consenso ripresa in video corredata di un codice per sessione e un controllo di corrispondenza tra la persona che presta il consenso e la persona presente nel filmato; se si salta anche solo uno di questi passaggi, la richiesta viene respinta con un 422 invece di ridursi silenziosamente a qualcosa di distribuibile. Meta gestisce lo stesso problema a livello di policy: account per utenti dai 18 anni in su, solo negli Stati Uniti e una filigrana visibile su ogni fotogramma prodotto.

Le limitazioni di Meta sono invece di natura distributiva. L'app Muse è riservata ai maggiori di 18 anni, il rollout è solo negli Stati Uniti dal 5 novembre e l'accesso per gli sviluppatori non è previsto — il catalogo per sviluppatori di Meta elenca Muse Code, Muse Wonder, Muse Spark, Muse Spark Open, Muse Glimmer, Muse Image e Muse Voice Transcribe, e nessuno dei due prodotti Realtime vi compare. Non stai integrando Muse Realtime Avatar. Tutt'al più, lo stai usando.

Che cosa c'entra OrcaRouter con l'una o l'altra?

Avatar 6 non è qualcosa che OrcaRouter può instradare: è un rendering HeyGen, fatturato in crediti HeyGen dietro il flusso di consenso di HeyGen, e Muse Realtime Avatar non ha alcun endpoint. Ciò che serviamo è il modello Muse alla base dello stack di agenti di Meta — meta/muse-spark-1.2, al prezzo di listino del provider senza alcun ricarico — oltre ai modelli di testo che scrivono gli script che Avatar 6 interpreta.

Quello è il confine onesto, ed è lì che risiede il consiglio pratico. Se stai costruendo un prodotto conversazionale con un volto, il livello di ragionamento e di chiamata degli strumenti è la parte che puoi scegliere oggi, ed è la parte che determina se la cosa è utile. Il renderer è una decisione sul fornitore in più. Mettere quel livello dietro un'unica chiave con failover automatico significa che un'interruzione del fornitore ti costa un nuovo tentativo anziché il prodotto.

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.

Chi dovrebbe interessarsi a quale

Se produci video — formazione, marketing, localizzazione, outreach — Avatar 6 è lo strumento più capace, di gran lunga, e l'unico dei due che puoi inserire in una pipeline questo mese. La sua capacità sui formati lunghi non è stata valutata da nessuno al di fuori di HeyGen, il suo prezzo al secondo non è pubblicato, e l'arena che lo classifica al primo posto non ha mai testato una clip più lunga di 35 secondi. Parti con queste tre avvertenze e resta comunque l'opzione più valida disponibile.

Se stai costruendo un agente con cui le persone parleranno faccia a faccia, Muse Realtime Avatar è il sistema più interessante e quello meno utilizzabile. Tienilo d'occhio. Non costruirci un'architettura attorno. Meta lo ha distribuito prima ai consumatori e per nulla agli sviluppatori, e finché non esiste un endpoint non c'è nulla su cui costruire.

Cosa cambierebbe questa pagina: un'API per sviluppatori di Muse, oppure una valutazione indipendente in tempo reale di Muse Realtime Avatar. In entrambi i casi si potrebbero confrontare le due cose su qualcosa di diverso dall'intento.