
Avatar 6 与 Muse Realtime Avatar 对比:一个供你租用,一个让你置身其中
- 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
之所以会有人做这种比较,是因为两者都是两家公司各自迄今展示过的最佳虚拟形象,而且都足够新,还没有人基于经验形成看法。但Avatar 6(HeyGen 于 2026 年 11 月 17 日发布)和Muse Realtime Avatar(Meta 于 2026 年 9 月 23 日在 Meta Connect 上预览,并自 11 月 5 日起在美国 Muse 应用中逐步推出)并不是同一个问题的两个答案。一个是渲染器:你传入音频,拿回一个文件。另一个是硬装在消费级应用内对话式智能体上的一张脸。真正有用的问题不是哪个看起来更好,而是哪一个能在你的产品附近存在——而对其中一个来说,答案是“还不行,而且不会按你的条件来。” 在这个技术栈中,你今天可以选择的是文本层——一个用于脚本和路由层的密钥,而正是这一层决定了虚拟形象说出的话是否值得渲染。
每个系统的形态
Avatar 6 在工程师所关心的意义上是无状态的。你给它发送一张参考图像或一段短视频,再发送语音音频,它就会返回一个与这段音频时长相同的视频文件。不会保留任何内容。没有会话,没有记忆,也没有对话状态。一次二十六分钟的渲染,就是基于一条音轨的一次连续生成;如果你想要第二个版本,就再次发送请求。
Muse Realtime Avatar 则相反:它在会话之外没有意义。它接收 Meta 对话层生成的语音 token,并随着对话的展开将其转化为同步的面部、唇部动作和手势。其公布的数据是:从你的话轮结束到同步音视频回复的首字节为 870 毫秒——这是首字节数字,不是完整回复耗时数字。其输出为 448×768 的竖屏视频,每秒 25 帧,并带有透明叠加水印,以便接收方能够辨别它不是摄像头画面。
• 工作单元——Avatar 6:一次请求,一个文件,长度由音频决定。Muse Realtime Avatar:一次实时会话,没有文件,输出仅在当下有意义。
• 输入 — Avatar 6:参考媒体,以及你生成或录制的音频。Muse Realtime Avatar:来自 Muse Realtime Voice 的语音 token、一张参考图像,以及一个由近期视频 latent 组成的滚动窗口。
• 输出 — Avatar 6:1080p 或 2K 视频,最高 2880×1620,宽高比以参考所暗示的为准。Muse Realtime Avatar:448×768 竖屏,25 fps,带水印。
• 覆盖范围 — Avatar 6:有文档记录的 REST API,已在开发者文档中发布,并包含两个模型标识符。Muse Realtime Avatar:Muse 应用,面向美国 18 岁及以上账户。
• 价格 — Avatar 6:订阅积分制,未公布按秒计费率。Muse Realtime Avatar:没有任何费率表;需通过 Muse 订阅获取使用权。
• 评估 — Avatar 6:供应商研究,加上一个独立评测场将其排在首位。Muse Realtime Avatar:仅有供应商报告的比较。
• 控制 — Avatar 6:motion_prompt最多 1,200 个字符,两级表现力。Muse Realtime Avatar:完全没有面向开发者的控制项。

为什么延迟数据不可比较
Meta 的 870 毫秒和 HeyGen 对生成时间的沉默都值得仔细解读,因为它们衡量的是不同流水线中的不同阶段。
Meta 的这个数字,指的是从你说完一句话,到收到第一个同时包含语音和视频的回复字节之间的间隔。它对通话的其余部分只字未提——既没有说持续帧率,也没有说话题在一句话中间突然转换时会发生什么,更没有说三分钟后画面是否还撑得住。Meta 自己的评测方法是拿它选定的基线来做对比。这是一个关于响应速度的说法,而且是真实的,但它只是曲线上的一点。
吞吐量是 Meta 那个数字完全没有触及的维度,因为 Meta 卖的并不是吞吐量。独立测评平台对 Avatar 6 的计时显示,其个人虚拟形象渲染的典型耗时为 175.6 秒——在被比较的五套系统中最慢——且每十次渲染就有一次超过九分半钟;Runway 的参评系统在同一组测试中平均耗时 60.2 秒。批量流水线可以吸收这种耗时:排入一百个脚本,第二天早上再来收取结果。实时通话则做不到,而这正是 Meta 优化掉的那项约束,也是为什么即便画质有所重叠,这两套系统依然无法互换的原因。
所以这两个数字并不构成竞争。其中一个是实时数值,对应着一个必须在对话中作出回答的系统。另一个则是一种缺失,对应着一个从未被设计成在对话中作出回答的系统。
直白地说,证据缺口
这两个系统在外部人士能够核查的程度上也不对等。Avatar 6 有一个公开端点,因此 New Measure 可以将其盲测投入与七个竞争对手的对比,并发布 Elo——在两个榜单上分别以 1,197 和 1,237 排名第一——同时附上自己关于短脚本、35 秒片段以及三名竞争者通过 HeyGen 语音克隆发声的注意事项。Muse Realtime Avatar 没有端点,因此所有现存的比较都是由 Meta 在 Meta 选定的基线上进行的。这并不是在指责其不诚实;这是纯应用产品所能提供的东西,也正是开发者同样无法对其进行基准测试的原因。

Muse Realtime Avatar 没有对应功能,也不可能有。第三方没有可供插桩的端点,也没有可用于编写对比脚本的公开接口。Meta 报告了其相对于 Runway Characters 和 HeyGen 的 LiveAvatar 的偏好比例,而其自己的文章披露,针对 Runway 的举止比较在统计上无法与持平区分——这一限定说明比它所修饰的头条比例更有价值。Meta 还指出,其演示“并非都反映 Muse 应用中可用的 avatar”,这是观看其中任何一段演示时都应记住的一句话。
这种不对称正是整个论点的缩影。有API的模型可以被陌生人测试。而活在应用内部的模型只能被用户测试,而用户不会公开测试方案。
Muse Realtime Avatar 真正的用途是什么
撇开对比不谈,Meta 打造出的东西在 HeyGen 的产品线里找不到相近的对应物。Muse Realtime Avatar 是一个智能体的视觉层,而这个智能体已经具备记忆、工具和一台持久化的云计算机——Meta 的 Muse Secure VM 是一台常驻的 Linux 机器,配有浏览器,由该智能体代表你进行操作。虚拟形象在视频通话中为这个智能体赋予了一张面孔,而系统不仅能感知你的音频,也能感知你的视频,它会解读你的注视与表情,而不是等你把话说完。
那种组合——一个拥有持久工作区、一张面孔,并且能看见你的智能体——是 HeyGen 并未涉足的产品品类。HeyGen 卖的是视频制作,Meta 卖的是存在感。如果你的用例是“一个面向患者的助手,人们可以在它工作时看着它”,那么 Muse Realtime Avatar 是最接近的已落地产品,而它仅在 Meta 的应用内提供,这是分发限制,而非能力限制。如果你的用例是“周五前做出四十条本地化讲解视频”,Meta 对你毫无用处。
实际区别:同意与控制
要让 Avatar 6 用上真实人脸,就得通过一道在消费级应用里前所未有的关卡。一段真实人物的参考视频需要 Enterprise 访问权限、一段带有每次会话专属代码的出镜同意声明,以及一项核对:确认作出同意的人与画面中的人是同一个人;其中任何一项跳过,请求就会以 422 失败,而不会悄悄降级成某种还能交付的东西。Meta 则通过政策来处理同样的问题——仅限 18 岁及以上账户、仅限美国,并且它生成的每一帧都带有可见水印。
Meta 的约束则在于分发层面。Muse 应用仅限 18 岁及以上用户,自 11 月 5 日起仅在美国推出,且不提供开发者访问权限——Meta 的开发者目录列出了 Muse Code、Muse Wonder、Muse Spark、Muse Spark Open、Muse Glimmer、Muse Image 和 Muse Voice Transcribe,而两款 Realtime 产品均未出现在其中。你并不是在集成 Muse Realtime Avatar。你最多只是在用它。
OrcaRouter 与这两者中的任何一个有什么关系?
Avatar 6 不是 OrcaRouter 能路由的东西:它是 HeyGen 的渲染产物,通过 HeyGen 的同意流程按 HeyGen 积分计费,而 Muse Realtime Avatar 根本没有端点。我们实际提供的是 Meta 智能体技术栈底层的 Muse 模型——meta/muse-spark-1.2,按提供商标价、零加价——以及编写 Avatar 6 所表演脚本的文本模型。
这就是诚实的边界,也是实用建议所在。如果你要打造一款带界面的对话式产品,那么推理与工具调用层就是今天你可以选择的部分,也是决定这东西是否有用的部分。渲染器则是叠加在其上的一个供应商选择。把这一层放在单一密钥之后并具备自动故障转移,意味着提供商宕机只会让你付出一次重试的代价,而不是让产品瘫痪。

谁应该关心哪一个
如果你要制作视频——培训、营销、本地化、外联——Avatar 6 都是能力明显更强的工具,而且是两者中唯一一个本月就能投入生产流程的。它的长时内容能力尚未经过 HeyGen 外部任何人的评估,其按秒计价的价格尚未公布,而将它排名第一的那个竞技场从未测试过超过 35 秒的片段。带着这三点保留意见来看,它仍然是目前可用的最强选项。
如果你正在构建一个供人们面对面交谈的 agent,那么 Muse Realtime Avatar 是更有趣的系统,也是更难用的那个。关注它,但不要围绕它来设计架构。Meta 先把它交付给了消费者,而对开发者则完全没有开放;在出现 endpoint 之前,没有什么可以基于它来构建。
会改变这一页的是:Muse 开发者 API,还是对 Muse Realtime Avatar 的独立实时评估。其中任何一种都能让两者在意图之外的其他方面进行比较。
