AI-modeller og platforme

HeyGen lancerer Avatar 6 med manuskriptstyrede gestus og video i 2K

Luca Ren
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterAvatar 6 regenererer kun redigerede områder, så 34,4 % af billederne ændredes i…
Vis mere
  • Avatar 6 regenererer kun redigerede områder, så 34,4 % af billederne ændredes i gennemsnit sammenlignet med næsten fuldstændige genskrivninger fra konkurrenterne.
  • HeyGens score på 84,4 % for uadskillelighed er det dobbelte af en udvælgelsesrate på 42,2 % mod en baseline på 50 % chance.
  • New Measures arena rangerede Avatar 6 som nummer et, men testede kun korte klip, og HeyGen kørte langsommere end Runway.

HeyGen præsenterede Avatar 6, sin nyeste lydstyrede avatarmodel, i en teknisk rapport offentliggjort den 17. november 2026. Modellen genererer video af en bestemt person ud fra et enkelt fotografi, eventuelt suppleret med en kort identitetsoptagelse, og HeyGen oplyser, at modellen leverer native 2K-output uden en fast varighedsgrænse og har været tilgængelig i virksomhedens webapp, mobilapp og API siden midten af november 2026.

Avatar 6 er udviklet til samlet at gengive en persons udseende, måde at tale på og bevægelsesvaner. Det internt udviklede system kombinerer generatoren, et superopløsningstrin, der genskaber detaljer som hudens struktur og hår, en bevægelsesplanlægger og HeyGen Voice, som genererer tale med talerens egen stemme. Kunderne kan vælge Avatar 6 Quality eller Avatar 6 Turbo, hvor sidstnævnte bruger HeyGens accelererede inferensstak for at reducere latenstiden.

Manuskriptstyrede gestus og lange videoer

På produktsiden oplyser HeyGen, at Avatar 6 bruger manuskriptets betydning til at afgøre, hvor det passer at pege, tælle eller bevæge sig i en bestemt retning. Brugerne kan særskilt angive stemning, ansigtsudtryk eller håndbevægelser for at få finere kontrol. Skriftlige bevægelsesprompter kan knytte en handling til en bestemt sætning, for eksempel at vinke under en hilsen eller tælle på fingrene gennem en liste. Bevægelsesplanlæggeren afpasser handlingerne efter de relevante ord og bevarer samtidig personens karakteristiske bevægelser imellem dem.

HeyGens demonstrationer omfatter sammenhængende videoer på 25 til 28 minutter, som hver er genereret ud fra ét lydspor uden gentagelser, så videoens varighed følger talens længde. Den samme løsning kan også vise to talere i ét billede; en af demonstrationerne er en podcast på to minutter med en vært og en gæst, hvor der skiftes mellem totalbilleder og nærbilleder af hver person.

Avatar 6’s redigeringsværktøj til optagede videoer kan udskifte ord eller tilføje en gestus, mens kun det redigerede udsnit genereres på ny, og den nye tale syntetiseres med personens stemme. I HeyGens sammenligning af 20 redigeringer blev gennemsnitligt 34,4 % af billederne ændret, mens MiniMax H3-max, Wan 3.0, Seedance 2.5 og HappyHorse Edit ændrede 99,7 % til 100 %. Bevarelsen af resten af optagelsen er nyttig, når en færdig præsentationsoptagelse skal korrigeres uden at genskabe hele scenen.

Påstande om realisme og uafhængige tests

Den score på 84,4 % for, hvor svært optagelserne er at skelne fra hinanden, som HeyGen rapporterer, har en specifik betydning: Eksterne bedømmere valgte Avatar 6 som den ægte optagelse i 42,2 % af 270 svar i sammenligninger side om side, og scoren fordobler denne andel, fordi 50 % ville svare til tilfældig gætning. Sammenligningstesten side om side omfattede 20 eksterne bedømmere og 76 personer. I separate tests med enkeltklip blev 65,1 % af svarene vurderet sådan, at Avatar 6-klip med personens egen stemme virkede ægte, mod 78,9 % for ægte optagelser.

HeyGens egne sammenligninger med eksterne bedømmere var mere begrænsede over for nogle generelle videomodeller: Blandt svarene, hvor der blev udtrykt en præference, vandt Avatar 6 50,1 % mod Wan 3.0 ud fra et fotografi, hvilket blev beskrevet som uafgjort, 54,9 % mod Kling 4.0 ud fra optagelser og 72,4 % mod Seedance 2.5 ud fra optagelser.

New Measures tidlige resultater fra Avatar Arena placerede Avatar 6 øverst i begge kategorier med præferencescorer på Elo-skalaen på 1.197 for personlige avatarer og 1.237 for standardpræsentatorer; gennemsnittet er 1.000 i hver kategori. Skaberne sammenlignede to videoer, der læste det samme manuskript, mens udbydernes navne var skjult, og rækkefølgen af videoerne blev tilfældigt fastlagt. De registrerede stemmer og redigeringer strakte sig fra den 27. oktober 2026 til den 16. november 2026.

New Measure gør opmærksom på, at deltagerne selv valgte at bruge arenaen, at manuskripterne typisk var på 62 ord, og at begge videoer varede højst 35 sekunder i 97 % af de gennemførte sammenligninger. Resultaterne dokumenterer ikke ydeevne på lange videoer eller på sprog, hvor der ikke er udført tilstrækkelige tests. Præference betød heller ikke hurtigere levering: Det tog typisk omkring tre minutter at generere HeyGen-videoer med personlige avatarer mod omkring ét minut for Runway GWM-1 Avatars, og én ud af ti HeyGen-videoer med personlige avatarer tog mere end ni og et halvt minut. Tiderne omfatter ikke opsætning af avataren og forberedelse af talen.

API-begrænsninger og samtykkekontrol

API-dokumentationen oplister heygen-avatar-6 og heygen-avatar-6-turbo, med 1080p som standardopløsning. En Model API-anmodning kombinerer et referencebillede eller en referencevideo med talelyd, mens en Application API-anmodning tager udgangspunkt i et HeyGen-avatarudseende og et manuskript med stemme eller lyd. Application API understøtter kun Avatar 6 i anmodninger med én avatar, hvilket udelukker opgaver med rå billeder, studioscener, oprettelse af flere avatarer på én gang og redigering af scener; hvis motoren ikke vælges, bruges Avatar IV fortsat.

Samtykkereglerne afhænger af inputtet. Før en HeyGen-avatar baseret på optagelser kan gengives, skal personen optage en samtykkeerklæring foran kameraet, som indeholder en engangskode, der er specifik for sessionen, og HeyGen kontrollerer, at personen, der giver samtykke, er den samme som personen i træningsoptagelserne. Fotoreferencer er tilgængelige for alle API-arbejdsområder, når personen har givet tilladelse, mens realistiske videoreferencer kun er tilgængelige for virksomhedskunder. Dokumentationen oplyser, at samtykke til videoreferencer kontrolleres før indsendelse, selvom visse kontrakter efter en individuel vurdering kan fungere uden dette trin.

Avatar 6 giver produktionsbrugere større kontrol over identitet, bevægelse og redigering, og gør det muligt at skabe længere sammenhængende videoer end korte præsentationsklip. Den uafhængige testarena understøtter produktets styrke inden for korte klip, men lader demonstrationer i langformat uprøvede; tidsmålingerne viser også, at det foretrukne avatar stadig kan være langsommere at producere end den hurtigste konkurrent.

Luca Ren er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker kunstig intelligens inden for underholdning, medier og digital historiefortælling. Hans arbejde undersøger, hvordan AI‑systemer kuraterer indhold, påvirker film‑, tv‑, musik‑ og spilproduktion samt tilpasser medieoplevelser for et globalt publikum.

Med et kreativt og trendsensitivt perspektiv undersøger Luca, hvordan anbefalingsmotorer, generative værktøjer og publikumsanalyse omformer kreative arbejdsgange og distributionsmodeller. Han er især interesseret i, hvordan AI påvirker narrativ struktur, skaberautonomi og balancen mellem datadrevet optimering og kunstnerisk udtryk i moderne medieøkosystemer.

Artikler skrevet af Luca Ren er AI‑genererede og gennemgået af Unite.AI’s redaktionelle team for at sikre nøjagtighed, kulturel kontekst og ansvarlig dækning af AI’s udviklende rolle i underholdning og medier.