
Avatar 6 对比 HeyGen Video 1:同一厂商,两种不同用途
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百万 tokens · 180 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百万 tokens · 223 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 89 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 98 tok/s
- orca新Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百万 tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百万 tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百万 tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
HeyGen 发布了 Avatar 6,发布时间为 2026 年 11 月 17 日,距它发布 HeyGen Video 1(9 月 30 日)已过去七周。它们在同一个模型菜单中相邻排列,都接受参考图像,都输出带声音的视频,并且都由同一个账户计费。在两者之间做选择并不是一个质量问题——两者都不是对方的更差版本。这是一个关于画面里有什么的问题。如果必须出现某个特定的人并说出你的话,那么只有其中一个能做到。如果不需要出现任何特定的人,那么只有另一个能做到。
从车架开始,而不是从规格表开始
这两个模型面向不同的提示。Avatar 6 为人物制作动画:你给它一张某人的照片或一段某人的短视频,以及此人应表演的语音音频,它就会返回这个人说出那些话、并按音频所暗示的方式动作的视频。HeyGen Video 1 生成一个场景:你给它一段描述、一张图像或一段参考片段,它就会返回五到三十秒的素材,其中包含自己的对话、环境音和特效,完全不涉及出镜人物。
这种区分在任何数字比较之前就决定了大多数真实项目。一个由具名讲师按脚本授课的培训模块,属于 Avatar 6。一则产品广告——黎明时分,咖啡杯在柜台上冒着热气——属于 HeyGen Video 1。而混合型——讲师在生成的 b-roll 画面上出镜讲解——两者都需要,HeyGen 自家的 Video Agent 正是为此而生,把二者拼接起来。
真正有差异的规格对比
• 你发送的内容 — Avatar 6 接收参考媒体和音频;HeyGen Video 1 接收文本提示词、图像或参考片段,并自行生成音频。
• 输出时长 — Avatar 6 的运行时长与你提供的音频一致,已实现 25 至 28 分钟的连续渲染;HeyGen Video 1 则生成 5 至 30 秒的片段。
• 分辨率 — Avatar 6 提供 1080p 和 2K;HeyGen Video 1 覆盖 480p 至 2K,其中 1080p 和 2K 的费率约为 768p 的三倍。
• 身份 — Avatar 6 在整个渲染过程中保持同一个人的面部、声音和举止;HeyGen Video 1 没有可保持的身份,跨片段的一致性是一个提示词问题,而不是模型保证。
• 音频 — Avatar 6 可根据你提供的音频进行唇形同步,因此声音由你选择和克隆;HeyGen Video 1 则根据提示词生成音频,包括对话内容,语速约为每秒 2.5 个词,可用于估算时长。
• 价格 — Avatar 6 以订阅积分形式出售,未公布按秒计费率;HeyGen Video 1 有已公布的按秒 API 价格,HeyGen 自己的材料中报价为 $0.02,而其成本图表中出现了 $0.03 的数值。
• 动作控制——Avatar 6 接受最长 1,200 字符的 motion_prompt,并提供两级表现力开关;HeyGen Video 1 则在镜头描述中接受相机、镜头和运动指令。

其中有两行比其他行更有分量。长度,因为它决定了一段素材片段与一份可交付成果之间的差别。还有价格透明度,因为它决定了预算与猜测之间的差别。
价格不对称在哪里造成切实影响
HeyGen Video 1 有一份价目表。其模型页面标明 API 访问价格为每秒 0.02 美元,参数表则列出了从 480p 到 2K 的分辨率,其中 1080p 和 2K 的费用约为 768p 费率的 3 倍。因此,一段 30 秒的 768p 视频片段大约为 60 美分,你可以将其乘以每月用量,而无需询问任何人。
Avatar 6 没有。公开定价页以每月 29 美元出售 Creator(含 600 积分),以每月 49 美元出售 Pro(含 1,000 积分),并将 Avatar 6、Avatar 6 Turbo 和 Avatar 6 Pro 列为包含的功能——但没有公布积分到秒的换算,而且开发者定价页会跳转到一个需登录的应用。这一差距与其说是疏忽,不如说是成熟度差异:HeyGen Video 1 自 9 月上市以来,已经稳定为按秒计费;而 Avatar 6 才推出两天,仍作为订阅功能出售。
对于任何要做成本建模的人来说,这种不对称颠覆了通常的建议。更新、更惊艳的模型,恰恰是你还无法按单位定价的那一个。用积分给 Avatar 6 做预算,并在扩大规模之前与 HeyGen 核实这一换算关系;或者在免费套餐上先试运行——每月三个带水印的视频,每个一分钟——直到价目表出现。
每一个实际擅长什么
预测你在成品文件中会看到什么,这个数字是 65.1%,而不是横幅上的 84.4%。HeyGen 的主标题重新换算了一个 42.2% 的并排对比胜率——评分者看到的是同一说话人、同一句台词、同一音频的真实录音与 Avatar 6 片段并排展示——并以 50% 的抛硬币基线作为对照。若改为单独展示片段,65.1% 的 Avatar 6 输出被判定为真实,而未剪辑录音的这一比例为 78.9%;一旦用 HeyGen 声音克隆替代本人的声音,该数字就降至 56.5%。声音承载了很大一部分说服力,当你决定由谁来录制声音时,这一点值得了解。
在 HeyGen 之外,截至本文撰写时,恰好只存在一项测量结果。New Measure 于11月18日发布了其 Avatar Arena 的早期盲投结果,Avatar 6 在两个榜单上均位列第一:个人虚拟形象为 1,197 Elo,预置主播为 1,237 Elo。引用前请先了解其局限。脚本上限为500个字符,97%的已完成比较使用的是时长不超过35秒的片段,并且有三个竞品作品使用了 HeyGen 自家的克隆语音。这些限制中的每一项所描述的,都是 HeyGen Video 1 所生成的那类片段,而不是 Avatar 6 所宣传的20分钟渲染作品。

HeyGen Video 1 的说法则指向另一个方向。其公开的评测是一组内部 Artificial Analysis Arena 查询,共 4,800 票,按 HeyGen 自家归一化的 Elo 计分;此外还有在 650 票上对另一家供应商基于 MiniMax H3 后训练模型取得的 55.8% 盲测偏好胜率,区间为 49% 至 62%——该区间的低端不过是一次抛硬币。HeyGen Video 1 并未出现在 Artificial Analysis 的公开视频榜单上。它确实拥有的是有据可查的传承:它基于 MiniMax H3 构建,并由 HeyGen 进行后训练;其提示词的结构类似镜头清单,这说明该模型期待的是电影化的运镜指导,而不是一句话。
参考媒体规则正是两者分歧最大的地方。
同意门槛是永远不会出现在定价表里的那种不对称。给 Avatar 6 输入一段真人视频,工作区就需要 Enterprise 访问权限,还需要一份出镜声明,其中包含为该次会话生成的代码——上个月签署的授权书不算证据,而且在 HeyGen 的匹配检查通过之前不会渲染任何内容。照片参考或预先存在的 avatar 形象则完全绕开整个流程。HeyGen Video 1 没有同等门槛,因为那里的参考片段只用于引导风格,而不是重建某个具名面孔;你转而继承的是关于所上传素材的常规授权问题。
HeyGen Video 1 完全没有这些。它的参考视频模式只需一段参考片段即可引导风格与主体,无需 Avatar 6 所要求的身份验证,因为它并不是在随时间重建某个特定真人的面部。如果你的使用场景涉及已获得授权的出镜人员,那么 Avatar 6 的规则就是一项优势;如果涉及的是风格化角色,那这些规则根本不会出现在你的流程中。
从一处同时运行两者
OrcaRouter 并不提供这两个模型中的任何一个。两者都由 HeyGen 托管、需经同意授权,并以 HeyGen 积分计费,任何路由层都无法改变这一点。路由层能改变的是它们周边环节的成本。虚拟形象朗读的脚本、构建视频提示词所依据的分镜清单、决定一个请求需要两者中哪一个的分类器——这些都是普通的模型调用,而凌晨两点最容易出故障的,正是它们。一个 OpenAI 兼容密钥背后有 200 多个模型,按提供商标价、零加价,并具备自动故障转移,这意味着渲染器是你唯一需要考虑的供应商关系。
还有第二种更低调的用途。HeyGen Video 1 基于 MiniMax H3 构建,而 MiniMax H3 是一个可路由模型,768p 下每秒 0.08 美元,2K 下每秒 0.13 美元。如果你想知道 HeyGen 的后训练是否配得上它的溢价,在相同提示词上运行基础模型就是一个低成本实验——而且无需 HeyGen 账户就能做。

该选哪一个
当交付成果是一个人物形象时,就选用 Avatar 6。讲解视频、对现有发言人的本地化、发件人面部形象很重要的销售外联、任何超过一分钟的内容、任何音频已固定且口型必须与之匹配的内容。词级编辑模式的重要性超过它听起来的样子:在二十分钟的视频中重新生成一句话,同时让未改动素材的 48.3 dB 保持原样,这正是五分钟修复与完整重新渲染之间的差别。
当交付物是一个场景时,就选择 HeyGen Video 1。广告、B-roll、风格化角色,以及任何用镜头清单来描述需求最自然的内容,还有任何时长短到三十秒不构成限制的内容。按秒计价和公开的时长限制,使它在两者之中更容易纳入预算。
在制作带插入画面的出镜主持人视频(这是大多数企业视频的形式)时,两者都要用上。HeyGen 的 Video Agent 会将它们组合起来,分工清晰:出镜主持人由 Avatar 6 负责,插入画面由 HeyGen Video 1 负责,两个模型都不必勉强去做对方的工作。
还有什么尚未被测量
除了 HeyGen 内部,还没有人测试过 Avatar 6 超过 35 秒的表现。测试场就止步于此,而所有长时长宣称——25 到 28 分钟、连续、一次性生成——都来自 HeyGen 自己的演示。身份特征到第 12 分钟是否会漂移,手势语汇是否会开始重复,这种长度的 2K 渲染在经济上是否合理:全都尚无定论。HeyGen Video 1 的未解问题则相反,而且更早存在:30 秒的片段上限究竟是技术限制还是产品决策,以及一旦发布窗口关闭,价格是否还能维持。
买符合你框架的那一个。不要因为偏好百分比而购买其中任何一个——包括 HeyGen 的,也包括 arena 的。
