기사 'Avatar 6 vs Realtime Venus'용으로 생성된 타이틀 카드로, 킥커에는 '아바타 모델 비교', 큰 제목에는 'Avatar 6 vs Realtime Venus', 부제에는 '렌더러와 리스너, 실수로 비교됨', 세 개의 필 카드에는 '비디오, 최대 2K', '음성, Apache-2.0', '서로 다른 작업'이 적혀 있습니다.
Engineering & Research

Avatar 6 vs Realtime Venus: 렌더러와 리스너, 실수로 비교하다

작성자

Elias Hawthorne

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

같은 문장에 넣어 보면Avatar 6과 Realtime Venus에 대해 가장 먼저 말해야 할 것은 둘 중 하나는 얼굴을 보여 줄 수 없다는 점입니다. Realtime Venus는 Ant Group의 전이중 상호작용 모델로, 말하는 동시에 듣고, 자신이 볼 수 있는 것의 맥락에서 소리를 이해하며, 백그라운드에서 작업을 위임하는 9B 시스템입니다. 출력은 음성과 결정입니다. 영상을 생성하지 않고, 발표자를 렌더링하지 않으며, 참조 이미지라는 개념 자체가 없습니다. 2026년 11월 17일 HeyGen이 공개한 Avatar 6은 정확히 한 가지 일만 합니다. 사진이나 짧은 클립 속 인물을 애니메이션화하고, 사용자가 제공한 오디오로 구동해 최대 2K 영상을 반환합니다.

그러니까 그 비교는 범주 오류에 해당하고, 그것이 유용하게 쓰이는 형태는 설계 질문입니다. 화면에 사람이 등장해 대화에서 자기 몫을 해내는 무언가를 만들고 있다면, 두 종류의 시스템이 모두 필요하며, 중요한 결정은 스택의 어느 쪽을 소유하느냐입니다. 바로 그 지점에서 이 둘은 날카롭게 갈라집니다 — 하나는 다운로드할 수 있고, 다른 하나는 빌려 쓸 수만 있습니다.

각각의 한계를 솔직히 인정하는 두 가지 증거 묶음

Realtime Venus는 오픈 리서치가 도착하는 방식으로 등장했습니다: arXiv 보고서(2609.13814), Hugging Face의 inclusionAI/Realtime-Venus 아래에 있는 Apache-2.0 가중치, 두 개의 9B 체크포인트, 데모가 포함된 프로젝트 페이지. 출시 게시물도, API도, 가격도 없었고, 외부에서 재현한 벤치마크도 없었습니다. 여기에 붙은 모든 수치는 저자들이 자신들의 모델에 대해 작성한 기술 보고서에서 나온 것입니다.

Avatar 6는 정반대의 장치를 갖추고 있습니다. 제품 페이지, 두 개의 식별자, REST 엔드포인트, 무료 티어, 그리고 선호도 연구가 모두 HeyGen이 HeyGen 자체 평가자들을 대상으로 진행한 기술 보고서입니다. 다만 Venus에 없는 한 가지가 있습니다. 바로 외부 측정입니다. 11월 18일 공개된 New Measure의 블라인드 아레나는 35초를 넘지 않는 클립들을 대상으로 1,197과 1,237 Elo를 기록하며 두 보드 모두에서 Avatar 6를 1위에 올렸습니다.

두 대표 수치는 연구 결과가 아니라 주장으로 읽어야 한다. HeyGen의 84.4%는 50% 기준선에 맞춰 재조정된 42.2%의 나란히 비교 승률이다. 자체 단일 클립 연구에서 Avatar 6는 실제라고 판정받은 비율이 65.1%인 반면, 편집되지 않은 영상은 78.9%였다. Venus의 97% 백채널 지속률은 저자들이 선택한 프로토콜인 Full-Duplex-Bench v1.5에서 나온 것이다. 두 수치 모두 부정직한 것은 아니며, 팔 것이 없는 제3자에 의해 재현된 적도 없다. 다만 Avatar 6는 적어도 낯선 사람들이 한 번에 30초씩 투표한 적은 있다.

A generated two-column scoreboard titled 'Avatar 6 vs Realtime Venus — the scoreboard'. Left column 'Avatar 6': Backbone undisclosed; Input reference media plus audio; Output video up to 2880x1620; Turn-taking none, it performs a script; Duration 25-28 min demonstrated; Access and licence HeyGen credits. Right column 'Realtime Venus': Backbone 9B omni: SigLIP2, Whisper-Medium, Qwen3-8B; Input continuous audio and video streams; Output speech and text, no pixels; Turn-taking full duplex, 97% backchannel; Duration a running session, 40,960-token context; Access and licence Apache-2.0 weights. The footer reads 'Venus scores self-reported in arXiv 2609.13814. Avatar 6 per HeyGen plus New Measure.'

각 시스템이 무엇으로 구성되어 있는지

• 백본 — Avatar 6: 미공개; HeyGen은 이를 자사의 가장 똑똑한 아바타 모델이라고 설명하며 아키텍처를 문서화하지 않음. Realtime Venus: SigLIP2 비전, Whisper-Medium 오디오, Qwen3-8B 언어 백본을 갖춘 9B 옴니 모델로, 모델 카드에 따르면 MiniCPM-o 4.5에서 적응됨.

• 입력 모달리티 — Avatar 6: 참조 이미지 1개 또는 참조 영상 1개와 음성 오디오. Realtime Venus: 연속 오디오 및 비디오 스트림, 그리고 위임된 작업 컨텍스트.

• 모달리티 출력 — Avatar 6: 음성이 동기화된 비디오, Model API를 통해 최대 2880×1620. Realtime Venus: 음성, 텍스트, 제어 신호; 픽셀 없음.

• 지속 시간 — Avatar 6: 오디오 길이만큼이며, 25~28분 연속 렌더링이 입증되었습니다. 실시간 Venus: 실행 중인 세션으로, 40,960토큰 컨텍스트와 선택된 프레임을 저장 및 검색하는 학습이 필요 없는 장기 비디오 메모리를 갖추고 있습니다.

• 발화 순서 — Avatar 6: 없음. 스크립트를 수행하므로 끼어들 상대가 없습니다. Realtime Venus: 전이중 방식이며, 신중하게 조정된 방해 대응과 백채널을 통해 계속 말을 이어갈 수 있는 능력을 갖추고 있습니다.

• 접근 — Avatar 6: REST API, 동의 필요, HeyGen 크레딧으로 청구. Realtime Venus: 가중치는 Hugging Face와 ModelScope에서 제공, 호스팅 엔드포인트 없음, 가격 없음.

• 라이선스 — Avatar 6: HeyGen 계정 기준 상용 약관. Realtime Venus: Apache-2.0.

그 마지막 행이 비교를 재구성하는 행입니다. Avatar 6은 서비스입니다. Realtime Venus는 모델입니다. 나머지는 모두 여기서 따라옵니다.

A screenshot of HeyGen's research page for 'Avatar 6: Talking Avatars That Are More Like You', dated 17 November 2026 and marked a 17-minute read, with the abstract stating that Avatar 6 reproduces how a person looks, speaks and moves from a single photo, up to 2K, with no length limit.

조달의 차이가 진정한 차이입니다

프로덕션에서 Realtime Venus를 쓰고 싶다면, 직접 다운로드하고 GPU를 프로비저닝하고 서빙 문제를 직접 떠안아야 합니다. 9B 체크포인트 두 개, BF16, safetensors와 함께 제공되는 ONNX 내보내기, 온디바이스 실험용 Android APK, 그리고 위임 루프를 위한 별도의 하네스 저장소가 있습니다. 청구서를 보내는 사람도 없고 엔드포인트를 지원 중단하는 사람도 없지만, 지연 시간을 고쳐 주는 사람도 없습니다. 연구팀에게는 이것이 장점입니다. 제품팀에게는 첫 번째 유용한 결과물이 나오기 전에 분기 하나 분량의 작업입니다.

Avatar 6을 프로덕션 환경에서 사용하려면 가입하고 키를 발급받은 뒤, 참조 이미지와 오디오 URL을 함께 담아 POST /v3/models/avatars를 호출하세요. 그러면 202 응답으로 video_id를 받고, 폴링하면 서명된 URL이 나타납니다. 동의 절차는 대부분의 공급업체가 요구하는 것보다 까다롭습니다. 사실적인 사람 참조 영상에는 Enterprise 액세스와 세션별 일회용 코드가 포함된 카메라 앞 진술이 필요합니다. 하지만 통합은 분기가 아니라 반나절이면 충분합니다.

Avatar 6로 할 수 없는 것은 이를 단위당 가격으로 매기는 것입니다. HeyGen은 HeyGen Video 1에 대해 초당 $0.02를 공개하고 Avatar 6에는 이에 상응하는 가격을 공개하지 않습니다. 공개 가격 페이지에서는 Creator를 600크레딧에 월 $29, Pro를 1,000크레딧에 월 $49로 판매하며, 크레딧을 초로 환산하는 기준은 공개하지 않습니다. Realtime Venus는 반대 문제를 안고 있습니다. 통화 한 건의 한계비용은 전기요금이고, 고정비용은 누군가에게 정당화해야 하는 GPU입니다.

둘이 실제로 만나게 될 곳

이 둘 모두가 구성 요소로 들어가는 제품을 떠올려 보세요. 사람이 음성으로 질문하면, 무언가가 무엇을 말할지 결정하고, 얼굴이 중요한 단어에는 적절한 표정과 제스처를 곁들여 그 말을 되돌려줍니다. Realtime Venus는 처음 두 단계를 담당합니다. 즉, 사용자의 말을 듣고, 언제 말할지 결정하며, 말하는 동안에도 계속 들을 수 있습니다. Avatar 6는 마지막 단계를 담당하는데, 이를 살펴본 유일한 독립 평가 기관에 따르면 현재 구매할 수 있는 그 어떤 제품보다 이 일을 더 잘 해냅니다.

문제는 이음새입니다. Avatar 6는 완전한 오디오 파일을 원합니다. 비디오는 건네받은 오디오 길이만큼 재생되며, 스트리밍 모드도, 부분 오디오 입력도, 덧붙이는 방법도 없습니다. Realtime Venus는 대화가 진행됨에 따라 음성을 점진적으로 생성합니다. 이 둘을 연결하려면 Venus의 출력을 완성된 발화로 버퍼링하고, HeyGen으로 보내고, 독립 아레나가 보통 175.6초로 측정한 렌더링을 기다린 뒤, 그 순간이 지난 후에 생성된 비디오를 재생해야 합니다. 그것은 대화가 아닙니다. 우편 주문식 대화입니다.

실시간 버전을 위해서는 음성이 도착하는 대로 영상을 생성하는 렌더러가 필요하며, 그것은 다른 제품입니다. Meta의 Muse Realtime Avatar가 출시된 제품 중 가장 가까운 예이고, 연구 프리뷰 중인 Tavus Griffin도 또 다른 예입니다. Avatar 6은 그런 제품이 아니며, HeyGen은 그렇다고 주장한 적이 없습니다 — 지연 예산은 배치 예산이고, 아레나의 데이터가 이를 뒷받침합니다: HeyGen 개인 아바타 렌더링 10건 중 1건은 9분 30초 이상 걸렸습니다.

여기 있는 다른 무엇도 측정하지 못하는 것을 Venus는 측정합니다

Venus 보고서에서 흥미로운 숫자들은 품질 점수가 아닙니다. 그것들은 행동에 관한 숫자이며, Avatar 6이 듣고 있지 않기 때문에 Avatar 6에게는 없는 문제를 설명합니다.

Full-Duplex-Bench v1.5는 사용자 맞장구에 대해 97%, 다른 사람을 향한 발화에 대해 88%, 배경 발화에 대해 86%의 지속률을 보이며, 실제 방해 발언에 대해서는 별도로 75%의 응답률을 기록합니다. 이 네 수치를 함께 보여주는 핵심은 모델이 "음-흠"과 "잠깐, 멈춰"를 구분한다는 점입니다. 즉, 전자에는 계속 진행하고 후자에는 양보합니다. 이해도 결과는 StreamingBench에서 70.2%, OVO-Bench에서 64.7%, Daily-Omni에서 81.3%, MMAU 오디오에서 78.0%입니다. 팀의 자체 벤치마크에서 위임 정확도는 Omni 체크포인트가 75.93%, Audio 체크포인트가 68.89%이며, 이는 과제가 성공했는지가 아니라 모델이 과제를 넘길지 여부를 올바르게 판단하는지를 측정합니다.

그것들은 대화형 에이전트를 만드는 누구에게나 유용한 엔지니어링 목표이지만, 아직 재현되지 않았다. 솔직히 해석하자면, Venus는 전이중 동작에 대한 신뢰할 만한 공개 베이스라인이며, 그 주장을 검증할 수 있도록 가중치까지 공개되었고, Ant Group과 Tsinghua 밖의 누구도 검증 결과를 공개하지 않았다는 것이다.

OrcaRouter가 위치한 곳

이 둘 중 어느 것도 우리가 판매할 수 있는 것이 아닙니다. Realtime Venus는 가중치와 논문일 뿐, 그 뒤에서 요청을 받아주는 것은 아무것도 없습니다. Avatar 6은 HeyGen의 렌더러로, HeyGen의 동의 절차를 거쳐야 하고 HeyGen 크레딧으로 결제됩니다. 이 두 경계 중 하나라도 흐리는 라우팅 제안은 거짓말이 되며, 그것도 세일즈 덱이 아니라 첫 스프린트에서 드러나는 종류의 거짓말입니다.

우리가 제공하는 것은 두 아키텍처가 모두 의존하는 위임 추론 구간입니다. Venus 자체 설계는 백그라운드 작업을 멀티모달 모델, 범용 모델 또는 등록된 스킬로 라우팅합니다. Avatar 6의 스크립트도 결국 무언가에 의해 작성되어야 하죠. 그 계층이 바로 마크업 없이 공급자 정가로 200개 이상의 모델 전반에서 사용하는 단일 키, 그리고 자동 장애 조치를 갖춘 환경이 실제로 작업을 덜어 주는 부분입니다 — 두 파이프라인 중 어느 쪽에서든 공급자를 선택할 수 있는 유일한 부분이기 때문입니다.

A screenshot of the OrcaRouter Models page, showing the filter sidebar and the header reading 226 models, with the tabs All 226, Cyber 11, Text 190 and Image 12.

로드맵과 접촉한 뒤에도 살아남는 읽기

당신의 문제가 "이번 분기에, 대규모로, 우리가 하는 말을 화면 속 진행자가 전달해 주길 원한다"는 것이라면, Avatar 6이 정답이며 Realtime Venus는 논의 대상조차 아닙니다. 세 가지 미지의 요소 — 공개된 초당 가격이 없다는 점, 35초를 넘는 독립 테스트가 없다는 점, 그리고 일반적인 렌더링 시간이 분 단위로 측정된다는 점 — 를 받아들이고 파일럿을 진행하십시오.

당신의 문제가 "말로 대화를 주고받고 언제 말할지 결정할 수 있는 무언가가 필요하다"는 것이라면, Realtime Venus는 진지하게 고려할 만한 오픈 베이스라인이고 Avatar 6은 귀가 없으므로 무관합니다. Apache-2.0 가중치를 가져다 쓰고 서빙 비용을 계획하되, 보고된 모든 점수는 누군가 재현하기 전까지 저자들의 자체 평가로 간주하세요.

당신의 문제가 "둘 다" — 즉 대화하는 얼굴 — 라면, 이들 중 어느 것도 제품이 아니며, 그 둘 사이의 간극이 바로 이 카테고리의 향후 12개월이 겨루어질 곳입니다. 스트리밍하는 렌더러, 결정하는 리스너가 구동하며, 당신이 모델링할 수 있는 가격: 아직 아무도 그것을 출시하지 못했습니다. 누군가 출시한다면, 이 페이지는 다시 써야 할 것입니다.