記事「Avatar 6 vs HeyGen Video 1」用に生成されたタイトルカードで、キッカーは「AVATARモデル比較」、大きなタイトルは「Avatar 6 vs HeyGen Video 1」、サブタイトルは「同じベンダー、2つの異なる役割」、3枚のピル型カードは「フレーム内の人物」「フレーム内のシーン」「1つのクレジットアカウント」と表示されています。
Guides & Insights

Avatar 6 vs HeyGen Video 1:同じベンダー、2つの異なる役割

著者

Elias Hawthorne

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

HeyGenはAvatar 6を2026年11月17日にリリースしました。これはHeyGen Video 1が9月30日にリリースされてから7週間後のことです。両者は同じモデルメニューに並んでおり、どちらも参照画像を受け付け、どちらも音声付きの動画を出力し、同じアカウントで課金されます。どちらを選ぶかは品質の問題ではありません。一方が他方の劣ったバージョンというわけではないのです。問題は、フレームの中に何が入るかです。特定の人物が登場してあなたの言葉を話さなければならないなら、それができるのは片方だけです。特に誰が登場する必要もないなら、できるのはもう片方だけです。

仕様書ではなく、フレームから始めよう

この2つのモデルは、異なるプロンプトに応答します。Avatar 6 は人物をアニメーション化します。誰かの写真または短い動画と、その人が演じるべき音声を渡すと、その人物がその言葉を話し、音声が示唆する動きをする映像を返します。HeyGen Video 1 はシーンを生成します。説明、画像、または参照クリップを渡すと、独自の台詞、環境音、エフェクトを備えた5〜30秒の映像を返します。プレゼンターはまったく想定されていません。

その違いが、あらゆる数値が比較される前に、ほとんどの実際のプロジェクトを決定づけます。指名された講師が台本を読み上げる必要がある研修モジュールは Avatar 6 です。夜明けのカウンターでコーヒーカップから湯気が立つ製品広告は HeyGen Video 1 です。ハイブリッド、つまり生成されたBロールの上で講師がプレゼンするものには両方が必要で、それらをつなぎ合わせるために HeyGen 自身の Video Agent が存在します。

実際に異なる仕様の対比

• 送信する内容 — Avatar 6 は参照メディアと音声を受け取り、HeyGen Video 1 はテキストプロンプト、画像、または参照クリップを受け取って、独自の音声を生成します。

• 出力長 — Avatar 6 は提供した音声と同じ長さで動作し、25~28分の連続レンダリングが実証されています。一方、HeyGen Video 1 は5~30秒のクリップを生成します。

• 解像度 — Avatar 6は1080pと2Kを提供し、HeyGen Video 1は480pから2Kまで対応しており、1080pと2Kは768pの約3倍の料金です。

• アイデンティティ — Avatar 6 はレンダー全体を通じて一人の人物の顔、声、所作を保持します。HeyGen Video 1 には保持すべきアイデンティティがなく、クリップ間の一貫性はプロンプト設計上の問題であって、モデルによる保証ではありません。

• 音声 — {{1}}Avatar 6{{/1}}は提供した音声に合わせてリップシンクするため、声は自由に選んでクローンできます。{{2}}HeyGen Video 1{{/2}}はプロンプトから音声を生成し、セリフも含めて、タイミングの目安として毎秒約2.5語の速さで出力します。

• 価格 — Avatar 6 はサブスクリプションのクレジットで販売されており、公開された秒単位の料金はありません。HeyGen Video 1 には公開された秒単位の API 価格があり、HeyGen 自身の資料では $0.02 と記載され、そのコストチャートには $0.03 という数値も現れています。

• モーション制御 — Avatar 6 は最大1,200文字の motion_prompt と2段階の表現力スイッチを受け付け、HeyGen Video 1 はショット記述内でカメラ、レンズ、動きの指示を受け付けます。

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.'

そのうち2行は、他の行よりも重みが大きい。長さは、クリップと納品物の違いだから。そして価格の透明性は、予算と当て推量の違いだから。

価格の非対称性が効いてくる場面

HeyGen Video 1には料金表があります。モデルページにはAPIアクセスで1秒あたり$0.02と記載され、パラメータ表では解像度が480pから2Kまで対応し、1080pと2Kは768pの約3倍の料金になると説明されています。したがって、30秒の768pクリップはおよそ60セントであり、それを月間の利用量に掛ければ、誰に尋ねるまでもなく計算できます。

Avatar 6にはそれがありません。公開価格ページでは、Creatorが月額29ドルで600クレジット、Proが月額49ドルで1,000クレジットで販売されており、Avatar 6、Avatar 6 Turbo、Avatar 6 Proが含まれる機能として記載されていますが、クレジットから秒への換算レートは公開されておらず、開発者向け価格ページはログイン済みのアプリにリダイレクトされます。このギャップは見落としというよりも成熟度の違いによるものです。HeyGen Video 1は9月から市場に出ており、秒単位の料金体系が定着している一方、Avatar 6はまだ登場から2日で、依然としてサブスクリプション機能として販売されています。

コストを試算する人にとって、この非対称性はいつものアドバイスを覆す。より新しく、より魅力的なモデルこそが、まだ単価を算出できないモデルなのだ。Avatar 6 はクレジットで予算を組み、スケールする前に HeyGen で換算レートを検証するか、料金表が登場するまで無料枠(月3本、各1分、いずれもウォーターマーク付き)で試験運用しよう。

それぞれが実際に得意なこと

完成したファイルで目にする結果を予測する数字は65.1%で、バナーにある84.4%ではない。HeyGenの見出しは、42.2%という並列比較の勝率を換算したものだ。これは評価者が、同じ話者・同じ台詞・同じ音声による本物の録音とAvatar 6のクリップを並べて見せられたときの勝率で、コイントスの基準値50と比較している。代わりにクリップだけを見せた場合、Avatar 6の出力の65.1%が本物として通用したのに対し、未編集の録音は78.9%だった。そしてHeyGenのボイスクローンを本人の声の代わりに立てると、その数字は56.5%に下がった。説得の大きな部分を声が担っているので、誰に録音させるかを決めるときには知っておく価値がある。

HeyGen以外では、執筆時点で測定結果がちょうど1つしか存在しなかった。New Measureは11月18日に自社のAvatar Arenaから初期のブラインド投票結果を公開し、Avatar 6が両方のボードで1位となった。パーソナルアバターで1,197 Elo、ストックプレゼンターで1,237 Eloだった。引用する前に限界を確認してほしい。スクリプトは500文字に制限され、完了した比較の97%は35秒以下のクリップを使用し、3つの競合エントリーはHeyGen自身のクローン音声で話していた。これらの制約はすべて、Avatar 6が売りにしている20分のレンダーではなく、HeyGen Video 1が生成するタイプのクリップを表している。

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.

HeyGen Video 1の主張は、方向性が異なっている。公表されている評価は、4,800票を集めたArtificial Analysis Arenaクエリの社内セットをHeyGen独自の正規化Eloで採点したものに加え、別ベンダーのMiniMax H3 post-trainに対する55.8%のブラインド選好勝率(650票、49~62%の範囲)である。この範囲の下限は、コイントス並みの勝率をまたいでいる。HeyGen Video 1はArtificial Analysisの公開動画ボードには掲載されていない。しかし文書化された系譜がある。MiniMax H3を基盤にし、HeyGenがpost-trainしており、プロンプトはショットリストのように構成されている。これは、このモデルが一文ではなく映画的演出を期待していることを示している。

参照メディアのルールは、両者が最も大きく乖離する点だ

同意ゲートは、料金表には決して載らない非対称性だ。Feed Avatar 6に実在の人物の動画を投入する場合、ワークスペースにはEnterpriseアクセスに加えて、そのセッション用に発行されたコードを含むカメラ上での声明が必要になる。先月署名されたリリースフォームは証拠にはならず、HeyGenの照合チェックが通るまで何もレンダリングされない。写真リファレンスや既存のアバターの見た目なら、このフロー全体を回避できる。HeyGen Video 1には同等のゲートがない。そこでは参照クリップが、名前付きの顔を再構築するのではなくスタイルを誘導するからだ。代わりに引き継ぐのは、アップロードした映像に関する通常のライセンス上の問題である。

HeyGen Video 1 にはそうしたものは一切ありません。その参照動画モードでは、参照クリップを使ってスタイルと被写体を誘導しますが、Avatar 6 が求める本人確認は不要です。特定の実在人物の顔を時間をかけて再構築しているわけではないからです。ユースケースが同意を得たタレントを対象とするものであれば、Avatar 6 のルールは利点になります。様式化されたキャラクターを対象とするものであれば、そのルールは単にあなたの進む道には存在しません。

両方とも一つの場所から実行する

OrcaRouterはどちらのモデルも提供していません。どちらもHeyGenでホストされ、同意が前提で、HeyGenクレジットで課金されます。ルーティングレイヤーがそれを変えることはありません。ルーティングレイヤーが変えるのは、それらの周辺部分のコストです。アバターが読むスクリプト、動画プロンプトの元になるショットリスト、リクエストが2つのうちどちらを必要とするかを判断する分類器——これらは通常のモデル呼び出しであり、午前2時に失敗するのはこうした呼び出しです。1つのOpenAI互換キーの背後に200以上のモデルがあり、プロバイダーの定価でマークアップゼロ、自動フェイルオーバー付き。つまり、ベンダーとの関係として意識すべきはレンダラーだけになります。

2つ目は、より静かな用途です。HeyGen Video 1はMiniMax H3上に構築されており、これは768pで毎秒0.08ドル、2Kで0.13ドルでルーティングできるモデルです。HeyGenのポストトレーニングがそのプレミアムに見合う価値を得たか知りたいなら、同じプロンプトでベースモデルを実行するのは安価な実験であり、HeyGenアカウントなしでできるものです。

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.

どちらを選ぶべきか

成果物が人物である場合は Avatar 6 を選びましょう。解説動画、既存のスポークスパーソンのローカライズ、送信者の顔が重要な営業アウトリーチ、1分を超えるもの、音声が固定されていて口の動きを合わせる必要があるものなどです。単語レベルの編集モードは、その響き以上に重要です。20分の動画で1文だけを再生成しつつ、手を加えていない映像の48.3 dBをそのまま保つことは、5分の修正と完全な再レンダリングの差になります。

成果物がシーンである場合は、HeyGen Video 1 を選んでください。広告、Bロール、様式化されたキャラクター、ショットリストで希望内容を説明するのが自然なあらゆるもの、そして30秒が制約にならないほど短いあらゆるものが対象です。秒単位の料金と公表されている長さ制限により、2つのうち予算に組み込みやすいのはこちらです。

プレゼンター主導でカットアウェイ付きの動画(企業動画の大半を占めます)を制作するときは、両方を活用しましょう。HeyGenのVideo Agentがそれらを構成し、役割分担は明確です。プレゼンターはAvatar 6、カットアウェイはHeyGen Video 1が担当し、どちらのモデルも相手の仕事を無理にこなす必要はありません。

まだ測定されていないものは何ですか?

HeyGenの外部でAvatar 6を35秒を超えてテストした者はいない。アリーナはそこで上限に達しており、長時間に関するあらゆる主張——25〜28分、連続、1回の生成——はHeyGen自身のデモから出たものだ。12分時点でアイデンティティがドリフトするか、ジェスチャーの語彙が繰り返し始めるか、その長さの2Kレンダーが経済的に妥当か:すべて未解決だ。HeyGen Video 1の未解決の問いは逆で、しかもより古い:30秒のクリップ上限は技術的限界なのか製品上の判断なのか、そしてローンチ期間が終わった後も価格が維持されるのか。

あなたのフレームに合う方を買ってください。好みの割合を根拠にしてどちらかを買うのはやめてください——HeyGenのものでも、アリーナのものでも。