为文章《HeyGen Avatar 6》生成的标题卡,眉题为“虚拟形象模型对比”,大标题为“HeyGen Avatar 6”,副标题为“84.4% 的不可区分性数字究竟真正衡量了什么”,以及三张胶囊形卡片,分别写着“84.4% = 42.2% x 2”、“1,197 Elo,个人虚拟形象”和“2026年11月17日”。
Engineering & Research

HeyGen Avatar 6:84.4% 的不可区分性数据究竟衡量的是什么

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

HeyGen 为Avatar 6打出的标题是:该模型于 2026 年 11 月 17 日发布,与真实影像无法区分的程度达到 84.4%。在你转述之前,请先读脚注:在并排测试中,评分者会看到一段真实录像,以及一段 Avatar 6 片段——同一个人配着同一段音频说同一句话——并在 42.2% 的情况下把 Avatar 6 选为真实的那一个。百分之五十才意味着完全无法分辨。HeyGen 用 42.2 除以 50,再把结果翻倍,得到 84.4%;用它来表达“我们缩小了多少差距”是合理的,用它来表达“这能多频繁地骗过人”则会产生误导。这两个数字描述的是同样的 270 个回答。

这很重要,因为 Avatar 6 不是演示。它是一个已交付的模型,拥有两个 API 接口、两个检查点、一个免费层级,并且——截至今天——一个第三方排行榜将其排在首位。有趣的问题不再是 HeyGen 是否做出了好东西。而是证据实际支持什么,以及营销算术与实测表现之间的差距在哪里。

具体发布了什么

Avatar 6 通过两个不同的端点提供两个模型标识符:heygen-avatar-6 和 heygen-avatar-6-turbo。位于 POST /v3/models/avatars 的 Model API 接收一张参考图像、一段可选的参考视频以及你提供的语音音频——无需头像训练步骤,也无需先配置声音。位于 POST /v3/videos 的 Application API 则通过将 engine.type 设置为这两个标识符之一来渲染现有的 HeyGen 头像外观;如果你已经在获得同意的情况下拥有数字分身,就应走这条路径。

• 分辨率 — 默认 1080p,可按需提供 2K;Model API 会基于 16:9 参考将 2K 输出尺寸设为 2880×1620,Application API 则设为 2560×1440。

• 长度 — 由你传入的音频决定。没有时长参数,没有片段上限,也没有拼接步骤;研究页面演示了 25 到 28 分钟的单次连续生成。

• 控制 — 最多 1,200 个字符的 motion_prompt,涵盖手势、表情、姿态和镜头,外加一个 motion_expressiveness 开关,有两种设置:default,或 less(用于更小幅度的动作和更平静的表情)。

• 参考视频 — 一段至少两秒的片段,通过 URL 或 base64 提供时最大 50 MB,通过直接上传时最大 200 MB。真实人物参考视频需要企业版访问权限,以及使用一次性验证码录制的出镜同意录像;否则 API 会返回 422 realistic_human_reference_not_allowed。

• 编辑 — 一种词级编辑模式,仅重新生成更改过的词语,并保持其余素材保持不变。

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.'

同意机制的设计值得停下来细看,因为它比大多数虚拟形象供应商所采用的机制都更严格。同意声明中必须包含一个为该次会话生成的验证码,因此预先录制的视频无法通过这项校验;而且 HeyGen 会在虚拟形象能够进行任何渲染之前,先核实同意录制视频中的人与训练素材中的人是否为同一人。

84.4%,展开来看

HeyGen 进行了两项测试,它们以有用的方式得出了不一致的结果。

每次展示一个片段并询问“真实还是AI”时,评分者将78.9%的真实录音判定为真实。当使用本人声音时,他们判定65.1%的 Avatar 6 片段为真实。换用 HeyGen Voice 克隆后,这一比例降至56.5%。这就是诚实的核心结论:对于正在寻找伪造内容的陌生人来说,大约三分之二的 Avatar 6 片段会被当作真实内容,而真实录音则是五分之四。

并排测试更容易——你有一个参照点,模型只需在两个中显得更有说服力——42.2% 就来自这里。HeyGen 还报告了一项单片段“判定为真实”研究,包含 612 个真实回答,以及分别为 304 个和 308 个的 AI 回答;这个样本量足够小,以至于 65.1% 与 56.5% 之间的差异值得在任何人据此提出主张之前再跑一次。

与其他视频模型相比,在使用人物本人的素材时,HeyGen 报告称:对 Seedance 2.5 的偏好胜率为 72.4%,对 Wan 3.0 为 74.1%,对 Kling 4.0 为 54.9%。仅凭一张照片时,对 Kling 的领先优势扩大到 73.5%——这说明参考素材对竞争对手的输出有多大价值,而不只是对 HeyGen 的输出。在商业虚拟形象产品方面,外部评分者给出的评分为:从照片生成时,Avatar 6 总体为 4.00,VEED Fabric 1.0 为 3.68;从视频素材生成时,Avatar 6 为 3.98,Akool Talking Avatar 为 2.93。所有这些都是 HeyGen 自己的研究,使用的是 HeyGen 自己的评分者和 HeyGen 自己的提示词集。应把它们当作强有力的先验,而不是结果。

新措施抢先一步。

今天,HeyGen 唯一没有委托的那份证据来了。New Measure 公布了 Avatar Arena 的早期结果,这些结果来自 10 月 27 日至 11 月 16 日期间收集的盲投——即在发布之前——涵盖八家虚拟形象提供商。投票者观看同一脚本的两段视频,视频标为 A 和 B,提供商名称被隐藏,然后选出一个获胜者。

Avatar 6 在两项榜单上均排名第一:在个人头像类别中,其 Elo 得分为 1,197,分数区间为 1,162 至 1,241;在预置主播类别中,其得分为 1,237,区间为 1,207 至 1,278。Creatify Aurora 2.0 在两项榜单上均位列第二,得分分别为 1,053 和 1,088。Tavus Phoenix-4.5 在预置头像类别中得分为 920,落后于 Creatify,领先于 JoggAI(887)和 Synthesia EXPRESS-1(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.

那份报告中有两个细节比排名更能说明问题。首先,New Measure 披露,三家竞争对手——VEED、Creatify 和 Captions——使用了由 HeyGen 的声音克隆生成的语音,因此 HeyGen 语音优势的一部分,是 HeyGen 在与自己竞争。其次,对这次发布而言影响更大的是:该竞技场将脚本限制在 500 个字符以内,典型脚本为 62 个词,而在 97% 的已完成对比中,两个视频都不超过 35 秒。因此,竞技场对 Avatar 6 主打的特性——无限时长——完全没有说明。一个能保持连贯身份长达 26 分钟的模型,尚未由 HeyGen 以外的任何人针对这一点进行测试。

速度是排名与体验出现分歧的另一个方面。在个人头像类别中,Avatar 6 通常是五款中最慢的,每个视频耗时 175.6 秒,而 Runway GWM-1 为 60.2 秒;每十个 HeyGen 个人头像视频中就有一个耗时超过九分半钟。偏好和耐心是不同的评分项,而 New Measure 明确表示两者并不一致。

模型实际上有什么不同做法

机械层面的变化在于,Avatar 6 会读取脚本,而不是重放动作循环。之前的 HeyGen 虚拟人看起来像本人,但无论内容如何,手势都一样;而这一版会在说到“左边的柜台”时指向那里,在说到“口感、选择和感觉”时用手指比划数到三,并在说到“随时乐意聊天”时把手放在心口——因为提示词要求这样做,或者因为句子暗示了这一点。隐含情形是否和明确指示的情形一样奏效,只有实际投入生产使用才能定论。

第二项能力是让两个虚拟形象出现在同一画面中,进行一段按脚本编排的对话,并且一次性生成。这是一项播客形态的功能,对于已经在制作这种格式的团队来说最可能有用,因为它省去了说话人切换之间的剪辑。

第三项是词级编辑。HeyGen 自己给出的数据是:新词上的唇形同步 LSE-C 为 7.67,而原始录制为 6.25;面部相似度为 0.913,次优为 0.907;声音相似度为 0.763,而对比值为 0.739;在未改动素材上的 PSNR 为 48.3 dB,而最接近的竞争编辑方法为 29.3 dB,且仅更改了 34.4% 的帧,而对比方法触及了 99% 以上的帧。最后一个数字在操作层面才是关键:只有在其余 19 分钟逐字节保持不变时,20 分钟视频里重录一句话才成本低。

费用是多少,以及哪些内容未公开

Avatar 6 属于免费套餐——每月三条带水印视频,每条最长一分钟,第一条无需绑定银行卡。Creator 套餐每月 29 美元,包含 600 个积分,并列出 Avatar 6 Turbo;Pro 套餐每月 49 美元,包含 1,000 个积分,并列出 Avatar 6 Pro。HeyGen 按积分而非秒数出售使用权限。

这就是发布材料中的缺口。HeyGen 公布了 HeyGen Video 1 的每秒费率——0.02 美元,而其自己的成本图表中又出现了 0.03 美元的数字——但公开定价页面上并不存在 Avatar 6 的同等价目表,开发者定价页面还会重定向到需登录的应用。如果你正在为大规模虚拟形象流水线做预算,那么你目前只能按积分计价,并猜测换算比例。在将某条生产路径投入该方案之前,请以书面形式索取每秒价格数字。

如果你是构建者,这适合哪里

Avatar 6 并不在 OrcaRouter 上。我们不提供它,再高明的路由技巧也改变不了这一点——它是由 HeyGen 托管的渲染器,有自己独立的授权流程和独立的计费。我们提供的是它周边的那一层:脚本生成、检索、分类,以及决定数字人该说什么的智能体。也就是200+ 个模型,通过一个兼容 OpenAI 的密钥、按供应商标价调用,零加价,并且在供应商出现波动时自动故障转移。如果你的数字人流水线因为写脚本的模型宕机而停摆,那说明渲染器从来就不是脆弱的那一环。

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.

悬而未决的问题

有三件事会改变这一局面,但目前一件都还不具备。一是按秒计费的 API 价格,这样才能在同等条件下,将其经济性与 Seedance、Kling 以及 HeyGen 自家视频模型进行比较。二是一项独立的长时长测试,因为这里所有关于时长的说法都建立在 HeyGen 的演示之上,而竞技场的上限只有 35 秒。三是在同一套协议下,与一个野心相当的竞争对手——比如 Tavus Griffin——进行正面交锋,而且由没有产品要卖的人来做。

在此之前,公允的总结是:Avatar 6 很可能是目前你能买到的最好的会说话数字人渲染器,84.4% 是一个用讨巧单位表达的真实结果,而它最突出的能力,是 HeyGen 之外无人测量过的那项能力。去做试点,但要做好监测——每十次渲染中有一次耗时九分钟,这是一个产品决策,而不是脚注。