
HeyGen Avatar 6: O que realmente mede a métrica de 84,4% de indistinguibilidade
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 180 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 223 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 89 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 98 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
A manchete da HeyGen para Avatar 6, lançado em 17 de novembro de 2026, é que o modelo é 84,4% indistinguível de filmagens reais. Leia a nota de rodapé antes de repetir isso: no teste lado a lado, os avaliadores viram uma gravação real e um clipe do Avatar 6 da mesma pessoa dizendo a mesma frase com o mesmo áudio, e escolheram o Avatar 6 como o real em 42,2% das vezes. Cinquenta por cento seria confusão perfeita. A HeyGen divide 42,2 por 50 e dobra o resultado para chegar a 84,4%, o que é uma forma legítima de expressar "até onde avançamos na lacuna" e uma forma enganosa de expressar "com que frequência isso engana alguém". Ambos os números descrevem as mesmas 270 respostas.
Isso importa porque o Avatar 6 não é uma demo. É um modelo em produção com duas superfícies de API, dois checkpoints, um plano gratuito e — a partir de hoje — um ranking de terceiros que o coloca em primeiro lugar. A pergunta interessante já não é se a HeyGen construiu algo bom. É o que as evidências realmente sustentam e onde está a lacuna entre a aritmética do marketing e o comportamento medido.
O que foi lançado, precisamente
O Avatar 6 está disponível como dois identificadores de modelo, heygen-avatar-6 e heygen-avatar-6-turbo, por meio de dois endpoints diferentes. A Model API em POST /v3/models/avatars recebe uma imagem de referência, um vídeo de referência opcional e o áudio de fala que você fornecer — sem etapa de treinamento de avatar, sem voz para configurar primeiro. A Application API em POST /v3/videos renderiza uma aparência de avatar HeyGen existente definindo engine.type como um desses dois identificadores, que é o caminho a seguir se você já tiver um gêmeo digital sob consentimento.
• Resolução — 1080p por padrão, 2K sob solicitação; a Model API dimensiona a saída 2K para 2880×1620 a partir de uma referência 16:9, e a Application API para 2560×1440.
• Duração — definida pelo áudio que você fornece. Não há parâmetro de duração, nem limite de clipe, nem etapa de emenda; a página de pesquisa demonstra gerações contínuas únicas de 25 a 28 minutos.
• Controle — um motion_prompt de até 1.200 caracteres abrangendo gestos, expressão, postura e câmera, além de um interruptor motion_expressiveness com duas configurações: default, ou less para gestos menores e expressões mais calmas.
• Vídeo de referência — um clipe de pelo menos dois segundos, de até 50 MB por URL ou base64, de até 200 MB por upload direto. Vídeo de referência de humano realista exige acesso Enterprise e uma gravação de consentimento em câmera com um código de uso único; sem isso, a API retorna 422 realistic_human_reference_not_allowed.
• Edição — um modo de edição ao nível da palavra que regenera apenas as palavras alteradas e deixa o resto da filmagem intacto.

O design de consentimento merece uma pausa, porque é mais rigoroso do que a maioria dos fornecedores de avatar se dá ao trabalho de ser. A declaração de consentimento tem de conter um código gerado para essa sessão, pelo que imagens gravadas antecipadamente não conseguem satisfazer a verificação, e a HeyGen verifica se a pessoa na gravação de consentimento corresponde à pessoa nas imagens de treino antes de o avatar poder sequer ser renderizado.
Os 84,4%, desenrolados
A HeyGen realizou dois testes, e eles divergem de uma forma útil.
Exibidos um clipe por vez e perguntados “real ou IA”, os avaliadores julgaram 78,9% das gravações genuínas como reais. Eles julgaram 65,1% dos clipes do Avatar 6 como reais quando a própria voz da pessoa foi usada. Substitua por um clone de voz HeyGen Voice e isso cai para 56,5%. Esse é o dado honesto principal: aproximadamente dois em cada três clipes do Avatar 6 passam por reais para um estranho que está procurando falsificações, contra quatro em cada cinco gravações reais.
O teste lado a lado é mais fácil — você tem um ponto de referência, e o modelo só precisa ser o mais convincente dos dois — e é daí que vêm os 42,2%. A HeyGen também relata um estudo de clipe único "julgado real" com 612 respostas reais e 304 e 308 respostas de IA, respectivamente, o que é uma amostra pequena o suficiente para que a diferença entre 65,1% e 56,5% mereça uma segunda rodada antes que alguém construa uma alegação sobre isso.
Em comparação com outros modelos de vídeo, usando filmagens da própria pessoa, a HeyGen relata uma vantagem de preferência de 72,4% sobre o Seedance 2.5, 74,1% sobre o Wan 3.0 e 54,9% sobre o Kling 4.0. A partir de uma única foto, a margem sobre o Kling aumenta para 73,5% — o que diz algo sobre o valor das filmagens de referência para o resultado de um concorrente, não apenas para o da HeyGen. Em comparação com produtos comerciais de avatar, avaliadores externos deram ao Avatar 6 uma pontuação geral de 4,00 a partir de uma foto, contra 3,68 do VEED Fabric 1.0, e 3,98 a partir de filmagens, contra 2,93 do Akool Talking Avatar. Todos esses são estudos da própria HeyGen, com avaliadores da própria HeyGen e o conjunto de prompts da própria HeyGen. Trate-os como uma forte expectativa prévia, não como um resultado.
New Measure chegou lá primeiro
A única evidência que a HeyGen não encomendou chegou hoje. A New Measure publicou os resultados iniciais do Avatar Arena com base em votos às cegas recolhidos entre 27 de outubro e 16 de novembro — antes do lançamento — entre oito fornecedores de avatares. Os votantes viram dois vídeos do mesmo guião, rotulados A e B com os nomes dos fornecedores ocultos, e escolheram um vencedor.
O Avatar 6 terminou em primeiro nos dois rankings: 1.197 de Elo em avatares pessoais, com variação de 1.162 a 1.241, e 1.237 em apresentadores genéricos, com variação de 1.207 a 1.278. O Creatify Aurora 2.0 ficou em segundo nos dois, com 1.053 e 1.088. O Tavus Phoenix-4.5 marcou 920 em avatares genéricos, atrás de Creatify e à frente de JoggAI, com 887, e de Synthesia EXPRESS-1, com 868.

Dois detalhes nesse relatório são mais informativos que o ranking. Primeiro, o New Measure revela que três dos concorrentes — VEED, Creatify e Captions — usaram fala feita com o clone de voz da HeyGen, então parte da margem de voz da HeyGen é a HeyGen competindo consigo mesma. Segundo, e de modo mais consequente para este lançamento: a arena limita os roteiros a 500 caracteres, o roteiro típico tinha 62 palavras, e em 97% das comparações concluídas ambos os vídeos tinham 35 segundos ou menos. A arena, portanto, não diz absolutamente nada sobre o recurso que o Avatar 6 tem como principal — duração ilimitada. Um modelo que consegue manter uma identidade coerente por 26 minutos não foi testado nisso por ninguém fora da HeyGen.
A velocidade é o outro ponto em que o ranking e a experiência divergem. O Avatar 6 era normalmente o mais lento dos cinco na categoria de avatar pessoal, com 175,6 segundos por vídeo, contra 60,2 segundos do Runway GWM-1; um em cada dez vídeos de avatar pessoal do HeyGen levava mais de nove minutos e meio. Preferência e paciência são pontuações diferentes, e a New Measure diz claramente que as duas não estavam alinhadas.
O que o modelo realmente faz de diferente
A mudança mecânica é que o Avatar 6 lê o roteiro em vez de reproduzir um loop de movimento. Os avatares anteriores da HeyGen tinham a aparência da pessoa, mas gesticulavam da mesma forma independentemente do conteúdo; este vai apontar para "o balcão à esquerda", contar até três com os dedos em "o sabor, as escolhas e a sensação" e levar uma mão ao coração em "sempre feliz por conversar" — porque o prompt mandou, ou porque a frase deu a entender isso. Se os casos implícitos funcionam tão bem quanto os instruídos é o tipo de coisa que só o uso em produção vai definir.
O segundo recurso são dois avatares em um único quadro travando uma conversa roteirizada, gerada em uma única passagem. Trata-se de um recurso com formato de podcast, e é o mais provável de ser útil para equipes que já produzem esse formato, pois elimina a edição entre os cortes de locutor.
O terceiro é a edição no nível da palavra. Os números da própria HeyGen para isso: lip-sync LSE-C de 7,67 nas novas palavras, contra 6,25 da gravação original; similaridade facial de 0,913, contra 0,907 do segundo melhor; similaridade de voz de 0,763, contra 0,739; e PSNR de 48,3 dB em filmagens não alteradas, contra 29,3 dB do método de edição concorrente mais próximo, com 34,4% dos quadros alterados, em vez dos mais de 99% que os métodos de comparação alteraram. Esse último número é o que importa operacionalmente: regravar uma frase em um vídeo de 20 minutos só é barato se os outros 19 minutos sobreviverem byte a byte.
Quanto custa, e o que não é publicado
O Avatar 6 está no plano gratuito — três vídeos com marca d'água por mês, de até um minuto cada, sem necessidade de cartão para o primeiro. O Creator, a US$ 29/mês, inclui 600 créditos e oferece o Avatar 6 Turbo; o Pro, a US$ 49/mês, inclui 1.000 créditos e oferece o Avatar 6 Pro. A HeyGen vende acesso em créditos, não em segundos.
Essa é a lacuna no material de lançamento. A HeyGen publica uma tarifa por segundo para o HeyGen Video 1 — US$ 0,02, com um valor de US$ 0,03 aparecendo em seu próprio gráfico de custos —, mas não existe nenhuma tabela de preços equivalente para o Avatar 6 nas páginas públicas de preços, e a página de preços para desenvolvedores redireciona para um aplicativo com login. Se você está orçando um pipeline de avatares em volume, no momento você está precificando créditos e adivinhando a conversão. Peça o número por segundo por escrito antes de comprometer um caminho de produção com ele.
Onde isto se encaixa se você estiver construindo
O Avatar 6 não está no OrcaRouter. Não o disponibilizamos, e nenhum truque de roteamento muda isso — é um renderizador hospedado pela HeyGen, com seu próprio fluxo de consentimento e sua própria cobrança. O que disponibilizamos é a camada ao redor dele: a geração de roteiros, a recuperação, a classificação, o agente que decide o que o avatar deve dizer. Isso significa mais de 200 modelos atrás de uma única chave compatível com OpenAI pelo preço de lista do provedor, sem acréscimo, e failover automático quando um provedor apresenta instabilidade. Se o seu pipeline de avatar trava porque o modelo que escreve os roteiros caiu, o renderizador nunca foi a parte frágil.

As questões em aberto
Três coisas mudariam este cenário, e nenhuma delas está disponível ainda. Um preço de API por segundo, para que a viabilidade econômica possa ser comparada com a Seedance, a Kling e o modelo de vídeo próprio da HeyGen em condições iguais. Um teste independente de formato longo, porque todas as alegações de duração aqui se baseiam nas demonstrações da HeyGen, e a arena chegou no máximo a 35 segundos. E uma comparação direta com um concorrente de ambição semelhante — o Tavus Griffin, por exemplo — sob um mesmo protocolo, feita por alguém que não tenha produto para vender.
Até lá, o resumo justo é este: o Avatar 6 é muito provavelmente o melhor renderizador de avatares falantes que se pode comprar hoje, os 84,4% são um resultado real expresso numa unidade lisonjeira, e a capacidade que mais o distingue é aquela que ninguém fora da HeyGen mediu. Construa o piloto, mas instrumente-o — um em cada dez renders levar nove minutos é uma decisão de produto, não uma nota de rodapé.
