
Avatar 6 対 Muse Realtime Avatar:借りるアバターと、その中に住み込むアバター
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100万トークンあたり · 180 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100万トークンあたり · 223 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100万トークンあたり · 89 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100万トークンあたり · 98 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100万トークンあたり · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100万トークンあたり · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100万トークンあたり · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100万トークンあたり · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100万トークンあたり · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100万トークンあたり · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447知能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100万トークンあたり · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929知能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100万トークンあたり · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733知能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100万トークンあたり · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740知能
この比較がされるのは、どちらも各社がこれまでに見せた中で最高のアバターであり、どちらも新しすぎて、経験に基づく意見を誰も持っていないからだ。しかしAvatar 6(HeyGenが2026年11月17日にリリース)と、Muse Realtime Avatar(Metaが2026年9月23日のMeta Connectでプレビューし、11月5日から米国のMuseアプリで展開)は、同じ問いへの2つの答えではない。一方は音声を渡して呼び出すとファイルが返ってくるレンダラーだ。もう一方は、消費者向けアプリ内の会話エージェントに無理やり取り付けた顔だ。有用な問いは、どちらがよりよく見えるかではない。どちらがあなたの製品の近くに存在できるかであり、このうち一方については答えは「まだ無理で、しかもあなたの条件では無理だ」となる。 このスタックのうち今日選べるのはテキスト層だ — スクリプトとルーティング層のための1つの鍵であり、アバターがレンダリングする価値のあることを言うかどうかを決める部分だ。
各システムの形状
Avatar 6 は、エンジニアにとって重要な意味でステートレスです。参照画像または短い動画を送り、音声を送ると、その音声と同じ長さの動画ファイルが返ってきます。何も永続しません。セッションもメモリも会話状態もありません。26 分のレンダーは 1 本の音声トラックからの連続した 1 回の生成であり、2 回目のテイクが必要なら、もう一度リクエストを送ります。
Muse Realtime Avatarはその逆だ。セッションの外では何の意味も持たない。Metaの会話レイヤーが生成する音声トークンを消費し、会話が進むにつれて、それらを同期した顔、唇の動き、ジェスチャーに変える。公表されている数値は、あなたの発話が終わってから、同期した音声と映像の返答の最初のバイトまでの870ミリ秒だ。これは最初のバイトまでの数値であり、返答完了までの時間の数値ではない。出力は25フレーム毎秒の448×768のポートレート動画で、受信者がカメラ映像ではないと判別できるように、透明なオーバーレイで透かしが入れられている。
• 作業単位 — Avatar 6:1リクエスト、1ファイル、長さは音声によって決まる。Muse Realtime Avatar:1つのライブセッション、ファイルなし、出力はその瞬間においてのみ意味を持つ。
• 入力 — Avatar 6:参照メディアと、生成または録音した音声。Muse Realtime Avatar:Muse Realtime Voiceからの音声トークン、参照画像、直近のビデオ潜在表現のローリングウィンドウ。
• 出力 — Avatar 6: 1080p または 2K 動画、最大 2880×1620、参照が示す任意のアスペクト比。Muse Realtime Avatar: 448×768 の縦向き、25 fps、ウォーターマーク付き。
• リーチ — Avatar 6:文書化された REST API で、開発者向けドキュメントに2つのモデル識別子とともに公開されています。Muse Realtime Avatar:Muse アプリで、米国の18歳以上のアカウントが対象です。
• 料金 — Avatar 6:サブスクリプションのクレジット制で、1秒あたりの料金は公開されていません。Muse Realtime Avatar:いかなる種類の料金表もありません。アクセスはMuseのサブスクリプションに付属します。
• 評価 — Avatar 6:ベンダーによる調査に加え、独立系アリーナが1位に選出。Muse Realtime Avatar:ベンダー報告による比較のみ。
• コントロール — アバター6: motion_prompt 最大1,200文字、2段階の表現力。Muse Realtime Avatar: 開発者向けのコントロールは一切なし。

なぜレイテンシの数値は比較できないのか
Metaの870ミリ秒と、生成時間に関するHeyGenの沈黙は、どちらも注意深く読み解く価値がある。なぜなら両者は、異なるパイプラインの異なる段階を測定しているからだ。
Metaの数値は、あなたが文を話し終えてから、音声と映像の両方を含む返信の最初のバイトが届くまでの間隔だ。これは通話の残りの部分については何も語っていない——持続的なフレームレートでも、文の途中で話題が変わったときに何が起きるかでも、3分後に映像が維持されるかどうかでもない。Meta自身の方法論は、Metaが選んだベースラインとの比較にすぎない。それは応答性に関する主張であり、実際に意味のある主張ではあるが、曲線上の一点にすぎない。
スループットは、Meta の数字が触れていない軸だ。Meta はスループットを売り物にしていないからである。独立系アリーナが Avatar 6 を計測したところ、パーソナルアバターのレンダリング1回あたり典型的に175.6秒——比較した5システムの中で最遅——で、10回に1回は9分半を超えた。Runway のエントリーは同じセットで平均60.2秒だった。バッチパイプラインならそれを吸収できる。スクリプトを100本キューに入れ、朝に回収すればいい。ライブ通話ではそれができない。これが Meta が最適化によって取り除いた制約であり、画質が重なる部分でもこの2つのシステムが互換でない理由だ。
つまり、その二つの数字は競合しない。一方は、会話の中で答えることを求められるシステムのためのリアルタイムの数値だ。もう一方は、会話の中で答えるようには作られていないシステムのための、不在を表すものだ。
証拠の欠落を、端的に言えば
二つのシステムは、第三者がどれだけ検証できるかという点でも平等ではない。Avatar 6には公開エンドポイントがあるため、New MeasureはAvatar 6を事前情報なしで7社の競合相手と競わせ、Eloを公開できた。両方のボードで1,197と1,237を記録して首位に立ち、短いスクリプト、35秒のクリップ、3社の競合他社がHeyGenの音声クローンを通して話していることについての独自の注意書きも添えていた。Muse Realtime Avatarにはエンドポイントがないため、存在するすべての比較はMetaが、Metaが選んだベースラインで実施したものだ。それは不正を告発するものではない。アプリのみの製品が提供できるのはそういうことであり、開発者がそれをベンチマークできないのも同じ理由だ。

Muse Realtime Avatarには同等のものはなく、あり得ない。第三者が計測するためのエンドポイントも、比較をスクリプト化するための公開インターフェースも存在しない。MetaはRunway CharactersやHeyGenのLiveAvatarに対する選好の内訳を報告しており、自社の投稿ではRunwayとのしぐさの比較が統計的に互角と区別できなかったことを開示している——この但し書きは、それが限定している見出しの内訳よりも価値がある。Metaはまた、自社のデモが「Museアプリで利用可能なアバターのすべてを反映しているわけではない」と注記している。どのデモを見るときも心に留めておくべき一文だ。
その非対称性こそが、この論全体を縮図にしたものだ。APIを持つモデルは、部外者でもテストできる。アプリの中に組み込まれたモデルはユーザーしかテストできず、しかもユーザーはプロトコルを公開しない。
Muse Realtime Avatarは本当は何のためにあるのか
比較を脇に置けば、MetaはHeyGenのラインナップには近い相当品が存在しないものを作り上げている。Muse Realtime Avatarは、すでに記憶とツール、そして永続的なクラウドコンピュータを備えたエージェントの視覚レイヤーだ。MetaのMuse Secure VMは、エージェントがあなたに代わって操作するブラウザを備えた常設のLinuxマシンである。アバターはビデオ通話中にそのエージェントへ顔を与え、システムは音声だけでなくあなたのビデオも認識し、あなたが話し終えるのを待つのではなく、視線や表情を読み取る。
その組み合わせ——永続的なワークスペース、顔、そしてあなたを見る能力を備えたエージェント——は、HeyGenが参入していない製品カテゴリーだ。HeyGenは動画制作を売っている。Metaはプレゼンスを売っている。あなたのユースケースが「人が作業中に眺めていられる、患者対応のアシスタント」なら、Muse Realtime Avatarが最も近い形で提供されているものであり、それがMetaのアプリ内でしか提供されないという事実は、能力上の制約ではなく流通上の制約だ。あなたのユースケースが「金曜日までに40本のローカライズ済み解説動画」なら、Metaには何も提供できるものがない。
実用的な違い:同意と管理
Avatar 6で実在の人物の顔を扱うには、コンシューマー向けアプリには類例のない関門を通過しなければならない。実在の人物の参照動画には、エンタープライズアクセス、セッションごとのコードを含むカメラ上での同意声明、そして同意者と映像内の人物との一致確認が必要だ。どれか一つでも欠ければ、リクエストは静かに出荷可能な形へと劣化するのではなく、422で失敗する。Metaは同じ問題をポリシーで処理している。18歳以上のアカウントに限定し、米国のみとし、生成されるすべてのフレームに可視のウォーターマークを付ける。
Metaの制約はむしろ配布面にある。Museアプリは18歳以上限定で、展開は11月5日以降米国限定であり、開発者アクセスも提供されていない——Metaの開発者カタログにはMuse Code、Muse Wonder、Muse Spark、Muse Spark Open、Muse Glimmer、Muse Image、Muse Voice Transcribeが掲載されており、Realtime製品はどちらもそこには載っていない。あなたはMuse Realtime Avatarを統合しているわけではない。せいぜい利用しているだけだ。
OrcaRouterがどちらかとどう関係しているのか
Avatar 6はOrcaRouterがルーティングできるものではありません。これはHeyGenのレンダーで、HeyGenの同意フローを経たうえでHeyGenクレジットで課金され、Muse Realtime Avatarにはエンドポイントが一切ありません。当社が提供しているのは、Metaのエージェントスタックの基盤となるMuseモデル — meta/muse-spark-1.2、プロバイダーの定価でマークアップゼロ — に加えて、Avatar 6が演じるスクリプトを書くテキストモデルです。
それが正直な境界であり、実用的なアドバイスが宿る場所でもあります。顔を持つ会話型プロダクトを作っているなら、推論とツール呼び出しの層は今日選べる部分であり、そのプロダクトが役に立つかどうかを決める部分です。レンダラーは、その上に乗る1つのベンダー選定にすぎません。その層を自動フェイルオーバー付きの単一キーの背後に置くということは、プロバイダーの障害がプロダクトを失う事態ではなく、再試行のコストで済むことを意味します。

誰がどれを気にするべきか
動画制作——研修、マーケティング、ローカライゼーション、アウトリーチ——を行うなら、Avatar 6 ははるかに高性能なツールであり、この2つのうち今月パイプラインに組み込める唯一のものです。その長尺対応能力は HeyGen の外部の誰によっても評価されておらず、秒単位の価格は未公開で、それを1位にランク付けしているアリーナは35秒を超えるクリップを一度もテストしていません。これら3つの注意点を踏まえて臨んでも、それでも利用可能な選択肢の中で最も強力です。
対面で人々が話しかけるエージェントを構築するなら、Muse Realtime Avatar はより興味深いシステムであり、より使いにくい方でもある。注視せよ。それを前提に設計するな。Meta はこれをまず消費者向けに出荷し、開発者向けには全く出していない。エンドポイントが存在するまで、それに対して構築できるものは何もない。
このページを変えるものは何か。Muse developer APIか、あるいはMuse Realtime Avatarの独立したリアルタイム評価か。どちらであれば、両者を「意図」以外の何かで比較できるようになる。
