Um cartão de título gerado para o artigo 'HeyGen Avatar 6', com uma chamada 'COMPARAÇÃO DE MODELOS DE AVATAR', o título grande 'HeyGen Avatar 6', o subtítulo 'O que o índice de indistinguibilidade de 84,4% realmente mede' e três cartões em formato de pílula com os textos '84,4% = 42,2% x 2', '1.197 Elo, avatares pessoais' e '17 de novembro de 2026'.
Engineering & Research

HeyGen Avatar 6: O que realmente mede a métrica de 84,4% de indistinguibilidade

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

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.

A generated scoreboard titled 'HeyGen Avatar 6 — the scoreboard' with a single column of six rows: Resolution 1080p default, 2K on request; Longest render 25-28 minutes continuous; Side-by-side test picked as real 42.2%, baseline 50%; Single clip judged real 65.1% vs 78.9% for real footage; Avatar Arena Elo 1,197 personal / 1,237 stock; Render time 175.6 s typical, 1 in 10 over 9.5 min. The footer reads 'HeyGen figures are vendor-run preference studies. Arena Elo per New Measure, 18 November 2026.'

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.

A screenshot of the New Measure article 'Which AI avatar do creators prefer?', published 18 November 2026, showing the benchmarks header, the headline finding that HeyGen Avatar 6 was preferred most often on both personal and stock avatars with Creatify Aurora 2.0 second on both, and the opening of the 'What we compared' section describing blind A/B votes between two providers reading the same script.

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.

A screenshot of the OrcaRouter Models page, showing the filter sidebar (input modalities, context length, input price, status, access tier, series, supported parameters, privacy, inference region) and the header reading 226 models, with the tabs All 226, Cyber 11, Text 190, Image 12.

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.