Thẻ tiêu đề được tạo cho bài viết 'Avatar 6 vs Muse Realtime Avatar', với dòng kicker ghi 'SO SÁNH MÔ HÌNH AVATAR', tiêu đề lớn 'Avatar 6 vs Muse Realtime Avatar', phụ đề 'Một cái bạn thuê, một cái bạn sống bên trong', và ba thẻ dạng viên thuốc ghi 'một tệp bạn sở hữu', 'một phiên bạn tham gia' và 'không có endpoint, không cần tích hợp'.
Guides & Insights

Avatar 6 so với Muse Realtime Avatar: Một cái bạn thuê, một cái bạn sống bên trong

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Việc so sánh diễn ra bởi cả hai đều là avatar tốt nhất mà mỗi công ty từng giới thiệu, và cả hai đều còn quá mới đến mức chưa ai có ý kiến gì được hình thành từ trải nghiệm. Nhưng Avatar 6, được HeyGen phát hành ngày 17 tháng 11 năm 2026, và Muse Realtime Avatar, được Meta giới thiệu trước tại Meta Connect ngày 23 tháng 9 năm 2026 và đang được triển khai trong ứng dụng Muse tại Mỹ từ ngày 5 tháng 11, không phải là hai câu trả lời cho cùng một câu hỏi. Một bên là công cụ render mà bạn gọi bằng âm thanh rồi nhận lại một tệp. Bên kia là một khuôn mặt được gắn vào một tác nhân hội thoại bên trong một ứng dụng tiêu dùng. Câu hỏi hữu ích không phải là cái nào trông đẹp hơn. Mà là cái nào có thể tồn tại ở bất cứ đâu gần sản phẩm của bạn — và với một trong hai, câu trả lời là "chưa, và không phải theo điều kiện của bạn." Phần của chồng công nghệ này mà bạn có thể chọn ngay hôm nay là lớp văn bản — một khóa cho lớp kịch bản và định tuyến và đó chính là mảnh quyết định liệu avatar có nói được điều gì đáng để render hay không.

Hình dạng của mỗi hệ thống

Avatar 6 không lưu trạng thái theo đúng cách mà một kỹ sư quan tâm. Bạn gửi cho nó một hình ảnh tham chiếu hoặc một video ngắn, bạn gửi cho nó âm thanh lời nói, và nó trả về một tệp video có độ dài đúng bằng đoạn âm thanh đó. Không có gì được lưu giữ. Không có phiên, không có bộ nhớ, không có trạng thái hội thoại. Một lần kết xuất dài hai mươi sáu phút là một lần tạo liên tục từ một bản âm thanh, và nếu bạn muốn thêm một bản khác thì bạn gửi lại yêu cầu.

Muse Realtime Avatar thì ngược lại: nó không có ý nghĩa gì bên ngoài một phiên. Nó tiêu thụ các token lời nói do lớp hội thoại của Meta tạo ra và biến chúng thành khuôn mặt, chuyển động môi và cử chỉ được đồng bộ khi cuộc hội thoại diễn ra. Con số được công bố của nó là 870 mili giây từ khi bạn kết thúc lượt nói đến byte đầu tiên của phản hồi âm thanh và video được đồng bộ — một con số về byte đầu tiên, không phải con số về thời gian hoàn tất phản hồi. Đầu ra của nó là video dọc 448×768 ở 25 khung hình/giây, được gắn watermark bằng lớp phủ trong suốt để người nhận có thể biết đó không phải là luồng camera.

• Đơn vị công việc — Avatar 6: một yêu cầu, một tệp, độ dài do âm thanh quyết định. Muse Realtime Avatar: một phiên trực tiếp, không tệp, đầu ra chỉ có ý nghĩa tức thời.

• Đầu vào — Avatar 6: phương tiện tham chiếu cùng âm thanh do bạn tạo hoặc ghi âm. Muse Realtime Avatar: các token giọng nói từ Muse Realtime Voice, một hình ảnh tham chiếu và cửa sổ trượt các latent video gần đây.

• Đầu ra — Avatar 6: video 1080p hoặc 2K, tối đa 2880×1620, theo bất kỳ tỷ lệ khung hình nào mà ảnh tham chiếu gợi ý. Muse Realtime Avatar: khung dọc 448×768 ở 25 fps, có watermark.

• Phạm vi tiếp cận — Avatar 6: API REST đã được ghi tài liệu, được công bố trong tài liệu dành cho nhà phát triển với hai mã định danh mô hình. Muse Realtime Avatar: ứng dụng Muse, trên các tài khoản từ 18 tuổi trở lên, tại Hoa Kỳ.

• Giá — Avatar 6: tín dụng theo gói đăng ký, không có mức giá công bố theo giây. Muse Realtime Avatar: không có bảng giá dưới bất kỳ hình thức nào; quyền truy cập đi kèm với gói đăng ký Muse.

• Đánh giá — Avatar 6: các nghiên cứu của nhà cung cấp cùng với một đấu trường độc lập xếp nó ở vị trí đầu tiên. Muse Realtime Avatar: chỉ các so sánh do nhà cung cấp tự báo cáo.

• Điều khiển — Avatar 6: motion_prompt tối đa 1.200 ký tự, khả năng biểu đạt hai cấp độ. Muse Realtime Avatar: không có bất kỳ điều khiển nào dành cho nhà phát triển.

A generated two-column scoreboard titled 'Avatar 6 vs Muse Realtime Avatar — the scoreboard'. Left column 'Avatar 6': Unit of work one request, one file; Input reference media plus audio; Output video up to 2880x1620; Latency not published; Access REST API, two model IDs; Price subscription credits. Right column 'Muse Realtime Avatar': Unit of work one live session, no file; Input speech tokens, reference image, video latents; Output 448x768 portrait at 25 fps; Latency 870 ms to first byte; Access Muse app, US, 18+; Price no rate card of any kind. The footer reads 'Avatar 6 per HeyGen and New Measure. Muse figures vendor-reported only.'

Tại sao các số liệu về độ trễ không thể so sánh được

870 mili giây của Meta và sự im lặng của HeyGen về thời gian tạo đều đáng đọc kỹ, vì chúng đo các giai đoạn khác nhau của những quy trình khác nhau.

Con số của Meta là khoảng thời gian từ khi bạn nói xong một câu đến byte đầu tiên của phản hồi chứa cả giọng nói lẫn video. Nó không nói gì về phần còn lại của cuộc gọi — không phải tốc độ khung hình duy trì ổn định, không phải điều gì xảy ra khi chủ đề thay đổi giữa câu, cũng không phải liệu hình ảnh có giữ được chất lượng sau ba phút hay không. Phương pháp luận của chính Meta so sánh với các đường cơ sở do Meta tự chọn. Đó là một tuyên bố về độ phản hồi, và là một tuyên bố có thật, nhưng nó chỉ là một điểm đơn lẻ trên một đường cong.

Thông lượng là trục mà con số của Meta không đụng tới, bởi Meta không bán thông lượng. Đấu trường độc lập đã đo Avatar 6 ở mức điển hình 175,6 giây cho mỗi lần render avatar cá nhân — chậm nhất trong năm hệ thống được so sánh — với một trong mười lần render vượt quá chín phút rưỡi; mục của Runway đạt trung bình 60,2 giây trên cùng bộ mẫu. Một pipeline theo lô hấp thụ được điều đó: xếp hàng trăm kịch bản, sáng hôm sau thu về. Một cuộc gọi trực tiếp thì không, đó chính là ràng buộc mà Meta đã tối ưu để loại bỏ và là lý do hai hệ thống không thể thay thế cho nhau ngay cả khi chất lượng hình ảnh có trùng nhau.

Vậy nên hai con số đó không cạnh tranh với nhau. Một là con số thời gian thực dành cho một hệ thống phải trả lời ngay trong một cuộc hội thoại. Con kia là một sự vắng mặt, dành cho một hệ thống chưa từng được xây dựng để trả lời trong một cuộc hội thoại.

Khoảng trống bằng chứng, được nói rõ ràng

Hai hệ thống cũng không ngang bằng nhau về mức độ mà một người ngoài có thể kiểm chứng. Avatar 6 có một endpoint công khai, nên New Measure có thể đưa nó vào một cách mù trước bảy đối thủ và công bố Elo — lần đầu trên cả hai bảng ở 1,197 và 1,237 — cùng với những lưu ý của chính mình về kịch bản ngắn, clip 35 giây và ba đối thủ nói qua bản sao giọng nói của HeyGen. Muse Realtime Avatar không có endpoint, nên mọi so sánh hiện có đều do Meta thực hiện, trên một đường cơ sở do Meta chọn. Đó không phải là lời cáo buộc gian dối; đó là điều một sản phẩm chỉ tồn tại dưới dạng ứng dụng có thể cung cấp, và cũng là lý do một nhà phát triển cũng không thể đánh giá chuẩn nó.

A screenshot of the New Measure article 'Which AI avatar do creators prefer?', published 18 November 2026, showing the headline that HeyGen Avatar 6 was preferred most often on both personal and stock avatars with Creatify Aurora 2.0 second on both, and the start of the methodology describing blind A/B votes on a shared script.

Muse Realtime Avatar không có thứ gì tương đương, và cũng không thể có. Không có endpoint nào để bên thứ ba đo lường, và không có giao diện công khai nào để viết kịch bản so sánh với nó. Meta báo cáo tỷ lệ phân chia sở thích so với Runway Characters và LiveAvatar của HeyGen, và bài đăng của chính họ tiết lộ rằng phần so sánh điệu bộ với Runway không thể phân biệt được về mặt thống kê so với mức ngang bằng — một lưu ý đáng giá hơn cả tỷ lệ được nhấn mạnh mà nó định tính lại. Meta cũng lưu ý rằng các màn trình diễn của họ "không phải tất cả đều phản ánh các avatar có sẵn trong ứng dụng Muse", và đó là câu cần ghi nhớ khi xem bất kỳ màn nào trong số đó.

Sự bất đối xứng đó chính là toàn bộ lập luận được thu nhỏ lại. Một mô hình có API có thể được người lạ kiểm thử. Một mô hình sống bên trong một ứng dụng chỉ có thể được người dùng kiểm thử, mà người dùng thì không công bố quy trình.

Muse Realtime Avatar thực sự dùng để làm gì

Bỏ qua việc so sánh, Meta đã tạo ra một thứ không có tương đương gần nào trong dòng sản phẩm của HeyGen. Muse Realtime Avatar là lớp hình ảnh của một tác nhân vốn đã có bộ nhớ, công cụ và một máy tính đám mây thường trực — Muse Secure VM của Meta là một máy Linux luôn hoạt động với trình duyệt mà tác nhân vận hành thay mặt bạn. Avatar mang lại cho tác nhân đó một khuôn mặt trong cuộc gọi video, và hệ thống cảm nhận cả video lẫn âm thanh của bạn, đọc ánh mắt và biểu cảm thay vì chờ bạn nói xong.

Sự kết hợp đó — một tác nhân với không gian làm việc bền vững, một khuôn mặt và khả năng nhìn thấy bạn — là một danh mục sản phẩm mà HeyGen không tham gia. HeyGen bán sản xuất video. Meta đang bán sự hiện diện. Nếu trường hợp sử dụng của bạn là “một trợ lý tiếp xúc với bệnh nhân mà một người có thể nhìn vào trong khi nó làm việc”, thì Muse Realtime Avatar là thứ gần nhất đang được tung ra, và việc nó chỉ được tung ra bên trong ứng dụng của Meta là một hạn chế về phân phối chứ không phải về năng lực. Nếu trường hợp sử dụng của bạn là “bốn mươi video giải thích đã bản địa hóa trước thứ Sáu”, thì Meta không có gì dành cho bạn.

Gắn một khuôn mặt thật lên Avatar 6 đồng nghĩa với việc phải vượt qua một rào chắn không có tương đương nào trong ứng dụng tiêu dùng. Một video tham chiếu về một người thật cần quyền truy cập Enterprise, một tuyên bố đồng ý trước máy quay có kèm mã theo từng phiên, và một bước kiểm tra khớp giữa người đồng ý và người xuất hiện trong đoạn phim; bỏ qua bất kỳ điều nào trong số đó thì yêu cầu sẽ chết với lỗi 422 thay vì âm thầm hạ cấp thành một thứ có thể phát hành. Meta xử lý vấn đề tương tự bằng chính sách — tài khoản từ 18 tuổi trở lên, chỉ ở Mỹ, và hình mờ hiển thị trên mọi khung hình mà nó tạo ra.

Thay vào đó, các ràng buộc của Meta mang tính phân phối. Ứng dụng Muse dành cho người từ 18 tuổi trở lên, đợt triển khai chỉ diễn ra ở Mỹ kể từ ngày 5 tháng 11, và quyền truy cập dành cho nhà phát triển không được cung cấp — danh mục nhà phát triển của Meta liệt kê Muse Code, Muse Wonder, Muse Spark, Muse Spark Open, Muse Glimmer, Muse Image và Muse Voice Transcribe, và không có sản phẩm Realtime nào xuất hiện ở đó. Bạn không tích hợp Muse Realtime Avatar. Bạn cùng lắm chỉ đang sử dụng nó.

OrcaRouter thì có liên quan gì đến một trong hai điều đó?

Avatar 6 không phải là thứ OrcaRouter có thể định tuyến: đây là bản render của HeyGen, được tính bằng tín dụng HeyGen trong luồng đồng ý của HeyGen, và Muse Realtime Avatar hoàn toàn không có endpoint. Thứ chúng tôi thực sự cung cấp là mô hình Muse bên dưới ngăn xếp agent của Meta — meta/muse-spark-1.2, theo giá niêm yết của nhà cung cấp, không cộng thêm phụ phí — cộng với các mô hình văn bản viết kịch bản mà Avatar 6 thực hiện.

Đó là ranh giới trung thực, và đó cũng là nơi chứa lời khuyên thực tế. Nếu bạn đang xây dựng một sản phẩm hội thoại có giao diện, lớp suy luận và gọi công cụ là phần bạn có thể chọn ngay hôm nay, và chính nó quyết định sản phẩm đó có hữu ích hay không. Lớp renderer chỉ là một quyết định về nhà cung cấp ở tầng trên. Đặt lớp đó phía sau một khóa duy nhất với cơ chế chuyển đổi dự phòng tự động nghĩa là khi nhà cung cấp gặp sự cố, bạn chỉ mất một lần thử lại thay vì mất cả sản phẩm.

A screenshot of the OrcaRouter model page for Muse Spark 1.2 (meta/muse-spark-1.2), showing the multimodal input row (text, image, video, file, audio), reasoning and tools capability flags, the $1.25 input and $4.25 output prices, the 1,048,576-token context note, and OpenAI-compatible code samples.

Ai nên quan tâm đến điều nào

Nếu bạn sản xuất video — đào tạo, tiếp thị, bản địa hóa, tiếp cận — thì Avatar 6 là công cụ có năng lực vượt trội hơn hẳn, và là một trong hai công cụ duy nhất bạn có thể đưa vào quy trình ngay trong tháng này. Khả năng xử lý nội dung dạng dài của nó chưa được bất kỳ ai ngoài HeyGen đánh giá, giá theo giây của nó chưa được công bố, và đấu trường xếp nó hạng nhất chưa từng thử nghiệm đoạn clip nào dài hơn 35 giây. Hãy tiếp cận với ba lưu ý đó, và nó vẫn là lựa chọn mạnh nhất hiện có.

Nếu bạn đang xây dựng một agent mà mọi người sẽ nói chuyện trực tiếp mặt đối mặt, thì Muse Realtime Avatar là hệ thống thú vị hơn và cũng ít dùng được hơn. Hãy theo dõi nó. Đừng thiết kế kiến trúc xoay quanh nó. Meta đã phát hành nó cho người tiêu dùng trước và hoàn toàn chưa phát hành cho nhà phát triển, và cho đến khi có một endpoint thì không có gì để xây dựng dựa trên đó.

Điều gì sẽ thay đổi trang này: một API dành cho nhà phát triển của Muse, hay một đánh giá độc lập theo thời gian thực về Muse Realtime Avatar. Cả hai đều sẽ cho phép so sánh hai bên dựa trên một thứ khác ngoài ý định.