Thẻ tiêu đề được tạo cho bài viết 'HeyGen Avatar 6', với dòng nhãn ghi 'SO SÁNH MÔ HÌNH AVATAR', tiêu đề lớn 'HeyGen Avatar 6', phụ đề 'Chỉ số không thể phân biệt 84.4% thực sự đo lường điều gì', và ba thẻ dạng viên ghi '84.4% = 42.2% x 2', '1,197 Elo, avatar cá nhân' và '17 tháng 11 năm 2026'.
Engineering & Research

HeyGen Avatar 6: Con số 84,4% về khả năng không thể phân biệt thực sự đo lường điều gì

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

Tiêu đề của HeyGen cho Avatar 6, ra mắt ngày 17 tháng 11 năm 2026, là mô hình này không thể bị phân biệt với cảnh quay thật trong 84,4% trường hợp. Hãy đọc chú thích trước khi bạn nhắc lại điều đó: trong bài kiểm tra so sánh song song, những người đánh giá được cho xem một bản ghi thật và một đoạn clip Avatar 6 của cùng một người đang nói cùng một câu trên cùng một đoạn âm thanh, và họ chọn Avatar 6 là bản thật trong 42,2% số lần. Năm mươi phần trăm sẽ là sự nhầm lẫn hoàn hảo. HeyGen chia 42,2 cho 50 và nhân đôi kết quả để được 84,4%, đây là một cách hợp lý để diễn đạt "chúng ta đã tiến được bao xa qua khoảng cách đó" và là một cách gây hiểu lầm để diễn đạt "cái này đánh lừa người ta thường xuyên đến mức nào." Cả hai con số đều mô tả cùng 270 câu trả lời.

Điều này quan trọng vì Avatar 6 không phải là một bản demo. Đây là một mô hình đã phát hành với hai giao diện API, hai checkpoint, một gói miễn phí, và — tính đến hôm nay — một bảng xếp hạng của bên thứ ba xếp nó ở vị trí đầu. Câu hỏi thú vị không còn là liệu HeyGen có tạo ra một thứ gì đó tốt hay không. Mà là bằng chứng thực sự ủng hộ điều gì, và khoảng cách giữa phép tính tiếp thị với hành vi được đo lường nằm ở đâu.

Chính xác thì đã phát hành những gì

Avatar 6 có sẵn dưới dạng hai mã định danh mô hình, heygen-avatar-6 và heygen-avatar-6-turbo, thông qua hai endpoint khác nhau. Model API tại POST /v3/models/avatars nhận một hình ảnh tham chiếu, một video tham chiếu tùy chọn và âm thanh lời nói do bạn cung cấp — không có bước huấn luyện avatar, không cần cấu hình giọng nói trước. Application API tại POST /v3/videos kết xuất một diện mạo avatar HeyGen hiện có bằng cách đặt engine.type thành một trong hai mã định danh đó, đây là hướng bạn chọn nếu đã có digital twin với sự đồng ý.

• Độ phân giải — mặc định 1080p, 2K theo yêu cầu; Model API định kích thước đầu ra 2K thành 2880×1620 từ tham chiếu 16:9, còn Application API là 2560×1440.

• Độ dài — do âm thanh bạn truyền vào quyết định. Không có tham số thời lượng, không có giới hạn clip và không có bước ghép nối; trang nghiên cứu minh họa các lần tạo liên tục duy nhất kéo dài từ 25 đến 28 phút.

• Điều khiển — một motion_prompt tối đa 1.200 ký tự bao gồm cử chỉ, biểu cảm, tư thế và camera, cùng với công tắc motion_expressiveness có hai cài đặt: mặc định, hoặc less để có cử chỉ nhỏ hơn và biểu cảm điềm tĩnh hơn.

• Video tham chiếu — một clip dài ít nhất hai giây, tối đa 50 MB qua URL hoặc base64, tối đa 200 MB khi tải lên trực tiếp. Video tham chiếu người thật yêu cầu quyền truy cập Enterprise và bản ghi hình đồng ý trước máy quay kèm mã dùng một lần; nếu không có, API sẽ trả về 422 realistic_human_reference_not_allowed.

• Chỉnh sửa — chế độ chỉnh sửa ở cấp độ từ, chỉ tạo lại những từ đã thay đổi và giữ nguyên phần còn lại của cảnh quay.

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.'

Thiết kế về sự đồng thuận đáng để dừng lại xem xét, vì nó nghiêm ngặt hơn mức mà hầu hết nhà cung cấp avatar chịu bỏ công làm. Tuyên bố đồng thuận phải chứa một mã được tạo cho phiên đó, nên đoạn phim ghi trước không thể đáp ứng bước kiểm tra, và HeyGen xác minh rằng người trong bản ghi đồng thuận khớp với người trong đoạn phim huấn luyện trước khi avatar có thể kết xuất.

84,4%, được làm rõ

HeyGen đã chạy hai thử nghiệm và chúng cho kết quả không đồng nhất theo một cách hữu ích.

Khi được xem từng clip một và được hỏi "thật hay AI", những người đánh giá nhận định 78,9% các bản ghi thật là thật. Họ nhận định 65,1% clip Avatar 6 là thật khi sử dụng chính giọng của người trong clip. Thay bằng bản sao giọng HeyGen Voice thì con số đó giảm xuống 56,5%. Đó là thông điệp trung thực: khoảng hai trong ba clip Avatar 6 được một người lạ đang tìm kiếm đồ giả coi là thật, so với bốn trong năm bản ghi thật.

Bài kiểm tra song song dễ hơn — bạn có một điểm tham chiếu, và mô hình chỉ cần là bên thuyết phục hơn trong hai bên — và đó là nguồn gốc của con số 42.2%. HeyGen cũng báo cáo một nghiên cứu “được đánh giá là thật” trên một clip duy nhất với 612 câu trả lời thật và tương ứng 304 và 308 câu trả lời AI, một mẫu đủ nhỏ đến mức sự khác biệt giữa 65.1% và 56.5% đáng được chạy lại trước khi bất kỳ ai đưa ra tuyên bố dựa trên đó.

So với các mô hình video khác, khi sử dụng cảnh quay của chính người đó, HeyGen báo cáo tỷ lệ thắng về mức độ ưu tiên là 72,4% trước Seedance 2.5, 74,1% trước Wan 3.0 và 54,9% trước Kling 4.0. Từ một bức ảnh duy nhất, khoảng cách với Kling mở rộng lên 73,5% — điều này cho bạn thấy cảnh quay tham chiếu có giá trị như thế nào đối với đầu ra của đối thủ, chứ không chỉ với HeyGen. So với các sản phẩm avatar thương mại, những người chấm bên ngoài cho Avatar 6 điểm tổng thể 4,00 từ một bức ảnh, so với VEED Fabric 1.0 là 3,68, và 3,98 từ cảnh quay so với Akool Talking Avatar là 2,93. Tất cả đều là các nghiên cứu của chính HeyGen, với người chấm của chính HeyGen và bộ prompt của chính HeyGen. Hãy coi chúng như một tiền nghiệm mạnh, không phải như một kết quả.

New Measure đã đến đó trước.

Bằng chứng duy nhất mà HeyGen không tự đặt hàng đã đến hôm nay. New Measure đã công bố kết quả Avatar Arena ban đầu từ các phiếu bầu kín được thu thập từ ngày 27 tháng 10 đến ngày 16 tháng 11 — trước khi ra mắt — trên tám nhà cung cấp avatar. Người bỏ phiếu xem hai video có cùng kịch bản, được dán nhãn A và B với tên nhà cung cấp bị ẩn, và chọn ra người thắng cuộc.

Avatar 6 đứng đầu trên cả hai bảng: 1.197 Elo ở avatar cá nhân với khoảng từ 1.162 đến 1.241, và 1.237 ở người dẫn có sẵn với khoảng từ 1.207 đến 1.278. Creatify Aurora 2.0 đứng thứ hai trên cả hai bảng, với 1.053 và 1.088. Tavus Phoenix-4.5 đạt 920 ở avatar có sẵn, xếp sau Creatify và trước JoggAI với 887 và Synthesia EXPRESS-1 với 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.

Có hai chi tiết trong báo cáo đó mang tính thông tin hơn cả bảng xếp hạng. Thứ nhất, New Measure tiết lộ rằng ba trong số các đối thủ — VEED, Creatify và Captions — đã sử dụng giọng nói được tạo bằng bản sao giọng nói của HeyGen, vì vậy một phần lợi thế về giọng nói của HeyGen chính là HeyGen đang cạnh tranh với chính mình. Thứ hai, và hệ quả hơn đối với lần ra mắt này: đấu trường giới hạn kịch bản ở 500 ký tự, kịch bản điển hình dài 62 từ, và trong 97% các so sánh đã hoàn thành, cả hai video đều dài từ 35 giây trở xuống. Do đó, đấu trường không nói gì cả về tính năng mà Avatar 6 đưa lên hàng đầu — thời lượng không giới hạn. Một mô hình có thể duy trì danh tính nhất quán trong 26 phút vẫn chưa được bất kỳ ai bên ngoài HeyGen kiểm tra về điều đó.

Tốc độ là điểm khác biệt thứ hai giữa bảng xếp hạng và trải nghiệm. Avatar 6 thường là chậm nhất trong số năm mẫu ở nhóm avatar cá nhân, với 175,6 giây mỗi video, so với 60,2 giây của Runway GWM-1; cứ mười video avatar cá nhân của HeyGen thì có một video mất hơn chín phút rưỡi. Sở thích và sự kiên nhẫn là hai điểm số khác nhau, và New Measure nói thẳng rằng hai điều này không khớp với nhau.

Mô hình thực sự làm khác đi điều gì

Thay đổi về mặt cơ chế là Avatar 6 đọc kịch bản thay vì phát lại một vòng lặp chuyển động. Các avatar HeyGen trước đây trông giống người được mô phỏng nhưng lại ra dấu giống hệt nhau bất kể nội dung; còn avatar này sẽ chỉ vào "quầy ở bên trái", đếm đến ba bằng các ngón tay khi nói "vị giác, những lựa chọn và cảm giác", và đặt một tay lên ngực khi nói "luôn sẵn lòng trò chuyện" — vì lời nhắc bảo phải làm vậy, hoặc vì câu nói ngụ ý điều đó. Liệu những trường hợp ngụ ý có hoạt động tốt như những trường hợp được chỉ dẫn hay không là điều chỉ có việc sử dụng trong thực tế sản xuất mới giải đáp được.

Khả năng thứ hai là hai avatar trong cùng một khung hình thực hiện một cuộc trò chuyện theo kịch bản, được tạo ra trong một lượt duy nhất. Đó là một tính năng mang hình thức podcast và là tính năng có khả năng hữu ích nhất đối với các nhóm đã và đang sản xuất định dạng đó, vì nó loại bỏ bước dựng giữa các đoạn cắt chuyển người nói.

Thứ ba là chỉnh sửa ở cấp độ từ. Số liệu của chính HeyGen cho nó: LSE-C đồng bộ khẩu hình đạt 7,67 trên các từ mới so với 6,25 của bản ghi gốc, độ tương đồng khuôn mặt 0,913 so với mức tốt thứ hai là 0,907, độ tương đồng giọng nói 0,763 so với 0,739, và PSNR 48,3 dB trên phần cảnh quay không bị chạm tới so với 29,3 dB của phương pháp chỉnh sửa cạnh tranh gần nhất, với 34,4% số khung hình bị thay đổi thay vì mức 99%+ mà các phương pháp so sánh đã chạm tới. Con số cuối cùng đó mới là điều quan trọng về mặt vận hành: ghi lại một câu trong video dài 20 phút chỉ rẻ nếu 19 phút còn lại được giữ nguyên từng byte.

Chi phí là bao nhiêu và những gì không được công bố

Avatar 6 nằm trong gói miễn phí — ba video có watermark mỗi tháng, tối đa một phút mỗi video, không cần thẻ cho video đầu tiên. Gói Creator $29/tháng có 600 credit và bao gồm Avatar 6 Turbo; gói Pro $49/tháng có 1.000 credit và bao gồm Avatar 6 Pro. HeyGen bán quyền truy cập theo credit, không theo giây.

Đó chính là lỗ hổng trong tài liệu ra mắt. HeyGen công bố mức giá theo giây cho HeyGen Video 1 — $0.02, với con số $0.03 xuất hiện trong biểu đồ chi phí của chính họ — nhưng không có bảng giá tương đương nào cho Avatar 6 trên các trang giá công khai, và trang giá dành cho nhà phát triển chuyển hướng đến một ứng dụng yêu cầu đăng nhập. Nếu bạn đang lập ngân sách cho một quy trình avatar ở quy mô lớn, hiện tại bạn đang định giá theo tín dụng và phải đoán tỷ lệ quy đổi. Hãy yêu cầu con số theo giây bằng văn bản trước khi bạn cam kết lộ trình sản xuất dựa trên con số đó.

Điều này phù hợp ở đâu nếu bạn đang xây dựng

Avatar 6 không có trên OrcaRouter. Chúng tôi không cung cấp nó, và mọi sự khéo léo trong định tuyến cũng không thay đổi điều đó — đó là một trình kết xuất do HeyGen lưu trữ với luồng đồng ý riêng và cách tính phí riêng. Thứ chúng tôi cung cấp là lớp xung quanh nó: việc tạo kịch bản, truy xuất, phân loại, tác nhân quyết định avatar nên nói gì. Đó là hơn 200 mô hình sau một khóa tương thích OpenAI với giá niêm yết của nhà cung cấp, không thu thêm phí, và tự động chuyển đổi dự phòng khi nhà cung cấp gặp trục trặc. Nếu quy trình avatar của bạn bị đình trệ vì mô hình viết kịch bản bị ngừng hoạt động, thì trình kết xuất chưa bao giờ là phần mong manh.

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.

Những câu hỏi còn bỏ ngỏ

Ba điều sẽ thay đổi cục diện này, và chưa có điều nào trong số đó hiện khả dụng. Một mức giá API theo giây, để có thể so sánh yếu tố kinh tế với Seedance, Kling và mô hình video của chính HeyGen trên cơ sở ngang bằng. Một bài kiểm thử độc lập dạng dài, bởi mọi tuyên bố về thời lượng ở đây đều dựa trên demo của HeyGen và đấu trường chỉ giới hạn tối đa 35 giây. Và một màn so tài trực tiếp với một đối thủ có tham vọng tương tự — ví dụ Tavus Griffin — theo cùng một giao thức, do người không có sản phẩm nào để bán thực hiện.

Cho đến lúc đó, tóm tắt công bằng là thế này: Avatar 6 rất có thể là công cụ kết xuất avatar biết nói tốt nhất bạn có thể mua hôm nay, 84.4% là một kết quả thật được diễn đạt bằng một đơn vị dễ tạo thiện cảm, và năng lực khiến nó khác biệt nhất chính là năng lực mà chưa ai ngoài HeyGen đo được. Hãy xây dựng bản thí điểm, nhưng hãy gắn đo lường vào — cứ mười lần kết xuất thì có một lần mất chín phút là một quyết định sản phẩm, không phải một chú thích nhỏ.