为文章 {{1}}Avatar 6 vs Tavus Griffin{{/1}} 生成的标题卡,其中眉题文字为 {{2}}虚拟形象模型对比{{/2}},大标题为 {{3}}Avatar 6 vs Tavus Griffin{{/3}},副标题为 {{4}}一个今天就能购买,另一个只是预览{{/4}},还有三张胶囊形卡片,分别写着 {{5}}公共 API、积分{{/5}}、{{6}}仅限申请{{/6}} 和 {{7}}两种不同的测试{{/7}}。
Guides & Insights

Avatar 6 对比 Tavus Griffin:一个现在就能买到,另一个还只是预览

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

两个数字人模型,相隔六周,均在 2026 年内发布,且都宣称取得了图灵测试结果。Avatar 6于 2026 年 11 月 17 日正式上线,提供 API、免费套餐和两个模型标识符。Tavus Griffin于 2026 年 10 月 1 日发布,号称全球首个 Human Interaction Model,并以 Griffin-Lite 形式交付——这是一个研究预览版,通过申请表向精选的早期测试者开放。这就是用两句话概括的全部对比,而下文的所有细节将决定这是否对你重要。

因为这确实重要,而且方向与人们预期的相反。Griffin 正在做的事情,是《阿凡达6》并未尝试的,而两者之间的差距并非渐进式的。这是执行脚本的渲染器与自行决定何时开口的系统之间的差别。更宏大的那个,恰恰也是你买不到的那个——这正是本页必须承载的张力。

在 Tavus,“preview”具体指什么

Griffin 不在 Tavus 平台上。没有可传递给端点的模型标识符,没有价格,没有并发限制,也没有公布正式可用日期。Tavus 的产品菜单将其列为“Griffin (Preview)”,与 Phoenix-4.5、Raven-2 和 Sparrow-2 并列。获取访问权限需要填写申请表并经过筛选流程。该公司表示,随后将更广泛地发布一款更强大的模型,但没有说明具体时间。

相比之下,Avatar 6 的文档你今天下午就能读完。两个标识符——heygen-avatar-6 和 heygen-avatar-6-turbo——对应两个端点:POST /v3/models/avatars 用于 reference-media-plus-audio,而 POST /v3/videos 则通过设置 engine.type 来用于现有头像形象。返回 202 会给出一个 video_id,你轮询后就能获得一个签名 URL。免费套餐每月可运行三个带水印的视频,每个最长一分钟。

所以,任何 Avatar 6 与 Griffin 的对比,第一句实话就是:其中一个是购买,另一个是申请。其余一切都只是在比较已公布的说法。

这两个图灵测试并不是同一个测试

两家厂商都抛出一个接近50%的数字,而这两个数字都不是读者想当然以为的含义。

Tavus:与 Griffin 交谈一分钟的人中,有 48% 认为自己是在和真人对话。该公司指出,此前的系统——包括其自家由 Phoenix 4.5、Sparrow-2 和 Raven-2 驱动的技术栈——最高通过率仅为 2%。这是一场实时、开放式、有来有回的视频通话,由参与通话的人自行判断。这一对比的对象是 Tavus 自家的早期系统,而样本并未在发布材料中公布。

HeyGen 的这个数字来自文件对比,而不是对话。评分者将一段真实录音与同一说话人在相同音频下说同一句台词的 Avatar 6 片段并排观看,并在 42.2% 的情况下选择了 Avatar 6;横幅上的 84.4% 是将该比率除以 50 后再加倍得到的,它衡量的是朝“完美混淆”推进了多远,而不是任何人被欺骗的频率。在单独展示一个片段、没有任何可供对比的内容时,65.1% 的 Avatar 6 输出被判定为真实,而未剪辑的录音这一比例为 78.9%。

把它们并排放在一起,这种不对称正是关键所在。HeyGen 问的是,一段静态表演在与已知参照物比较时是否经得起检验。Tavus 问的是,一段实时来回互动能否经得起一分钟的即兴发挥——打断、话题切换、需要填补的沉默。一个模型可能非常擅长前者,却在后者上毫无用处,而两家厂商公布的数字都无法告诉你另一个模型会在后者上表现如何。

架构,以及它为何会改变产品

• 输入 — Avatar 6 接收你提供的参考图像或参考视频,以及语音音频。Griffin 接收正在与它对话的人的实时音频和视频流。

• 决策——{{1}}Avatar 6{{/1}}执行所给定的内容。Griffin 运行一个对话模型,以亚秒级间隔而非每轮一次来决定何时发言、保持或让出。

• 输出 — Avatar 6 输出一个最高 2880×1620 的视频文件,时长与音频相同。Griffin 则实时输出视频到视频的直播流。

• 时长 — Avatar 6:25 至 28 分钟,以单次连续生成的形式进行了演示。Griffin:受通话时长限制,而非受渲染限制。

• 延迟——{{1}}Avatar 6{{/1}}:未公布;独立评测平台测得的每次渲染典型耗时为 175.6 秒,其中每十次就有一次超过九分半钟。Griffin:从架构上即为实时,Tavus 报告称,在 NVIDIA 的 VideoFDB 上,其即时反应速度比排名第二的 AI 快 37%。

• 访问权限 — Avatar 6:公共 API、积分。Griffin:研究预览版,仅限申请。

价格 — Avatar 6:订阅积分制,未公布按秒计费的价格。Griffin:无。

把前两行放在一起看。Avatar 6 的输入是已经完成的语音,这意味着最难的部分——知道该说什么以及什么时候说——发生在更上游的某个地方,也就是编写脚本的那个东西里。Griffin 的输入是一个人,这意味着最难的部分在模型内部。这就是为什么一个是渲染器,而另一个被包装成一个新类别来卖。

A generated two-column scoreboard titled 'Avatar 6 vs Tavus Griffin — the scoreboard'. Left column 'Avatar 6': Turing-test claim 42.2% picked as real; Input reference media plus audio; Output video file up to 2880x1620; Latency 175.6 s typical render; Access public API, credits; Price subscription credits. Right column 'Tavus Griffin': Turing-test claim 48% believed human after a minute; Input live audio and video stream; Output live video-to-video stream; Latency real-time by construction; Access research preview, application only; Price none published. The footer reads 'Both headline figures are vendor-reported. Griffin has no public likeness benchmark.'

Griffin 的工程实现体现了这一点。其音频编解码器 Tavec v1.7 将 48 kHz 音频映射为每帧 40 个值的连续潜变量,帧率为每秒 100 帧,不使用码本,并采用完全因果的流式解码器;在 H100 上测得,以 2842 万个解码器参数实现 2,193 倍实时解码和 4.242 的 ViSQOL MOS-LQO。语音克隆只需约十秒的音频即可工作。视频侧则从一张参考图像实时生成场景中的每一个像素——不仅是面部和手部,还包括人物所坐的椅子及其投下的阴影。这些都不适用于 Avatar 6,它的渲染预算以分钟计,可以承受高昂的成本。

独立证据涵盖了哪些内容,以及没有涵盖哪些内容

这两个模型都未曾经历过公开的正面对比。这一点值得毫不含糊地说明。

这里唯一不是由 HeyGen 产生的数字,是排行榜名次。New Measure 的盲测竞技场于 11 月 18 日将 Avatar 6 在两项榜单上都列为第一——个人虚拟形象得分 1,197 Elo,预置主播得分 1,237,Creatify Aurora 2.0 在两项榜单上均列第二——并坦率指出了上限:短脚本、97% 的对比中片段时长不超过 35 秒、三名参赛者使用 HeyGen 的克隆声音。Griffin 没有对应的参评条目,因为藏在申请表单后面的预览无法参与排名。

A screenshot of the New Measure article 'Which AI avatar do creators prefer?', published 18 November 2026, showing the finding that HeyGen Avatar 6 was preferred most often on both boards with Creatify Aurora 2.0 second, and the beginning of the blind-vote methodology.

Griffin 拥有 NVIDIA 的 VideoFDB;在该基准中,Tavus 声称在面对面 AI 的独立测试中排名第一,并在即时反应能力上以 37% 领先于次优系统。这是真正的第三方基准,而非供应商偏好研究,也是本次比较中最有力的单项证据。不过,它衡量的也是一项 Avatar 6 并不具备的能力,因此无法就相似度问题作出定论。

两者都不具备的是:在同一套协议下,由没有产品要推销的人对二者进行的相互对比。

两者分歧最尖锐的地方在于:在任何内容渲染之前,你必须证明什么。Avatar 6 不会基于视频让真人动起来,除非工作区拥有 Enterprise 访问权限,并且有一段在镜头前录制的同意录像,其中包含为该会话签发的一次性代码;随后 HeyGen 会将同意者的面部与源素材进行比对。如果没有视频参考访问权限,请求会以 422 realistic_human_reference_not_allowed 失败,而不是退回到更便宜的方案。

Griffin 的约束在性质上不同,因为它的输入是活生生的人,而不是存储的肖像。它引发的同意问题不是“我是否可以克隆这张脸”,而是“这个系统会从一次通话中保留什么”——而 Tavus 的发布材料讨论了安全性和局限性,却没有公布 HeyGen 所建立的那种逐次渲染的同意关卡。对于涉及真人出镜的部署,这种区别比任何基准测试都更重要。

OrcaRouter 的用武之地

OrcaRouter 这两者都不卖。一个是 HeyGen 的渲染任务,受制于同意门禁和积分余额;另一个则没有可调用的端点。我们不会为了让路由推介奏效而暗示并非如此。

我们真正提供的是任一流程两端之间的文本。Avatar 6 以一个需要有人撰写、审核和本地化的脚本开场;Griffin 的对话层必须把通话中无法完成的任务交接出去,而 Tavus 则按设计将这些任务路由给其他模型。这些是通用型调用——摘要、翻译、分类、检索——正是它们受益于 一个密钥即可按提供商标价零加价调用 200 多个模型,并受益于 将提供商事故转化为重试而非停机的故障转移。

A screenshot of the OrcaRouter Models page, showing the filter sidebar and the header reading 226 models, with the All 226, Cyber 11, Text 190 and Image 12 tabs.

截至2026年11月18日,该决定的现有表述

对于要以批量方式呈现你的脚本、具备有文档的 API,并且本月有生产落地路径的演示者来说,Avatar 6 是两者中唯一符合条件的候选。它在唯一一个对该类别进行评分的独立榜单上位居榜首,同时有三项事项需要带入试点:任何公开价目表上都没有按秒计价,没有超过 35 秒的外部测试,以及渲染耗时以分钟计而非秒计。

如果你需要一个能进行实时对话并带有面孔的系统,Griffin 是更先进但更不易获得的那一个。如果用例是真实的,就申请预览。不要把它带日期列入路线图,因为 Tavus 还没有给出日期。

真正值得关注的不是某个基准测试,而是 Tavus 是否会正式全面推出 Griffin,以及以什么价格推出——因为一个配有端点和价目表的实时交互模型,并不会在逼真度上与 Avatar 6 竞争,而是会让 Avatar 6 所属的整个类别显得像是上一代产品。