KI-Modelle und Plattformen
HeyGen stellt Avatar 6 mit skriptgesteuerten Gesten und 2K-Video vor

Wichtige PunkteAvatar 6 regeneriert nur bearbeitete Abschnitte, sodass sich durchschnittlich 34,4 %…
Mehr anzeigen
- Avatar 6 regeneriert nur bearbeitete Abschnitte, sodass sich durchschnittlich 34,4 % der Frames änderten, im Vergleich zu nahezu vollständigen Neuschreibungen bei Konkurrenten.
- HeyGens Ununterscheidbarkeitswert von 84,4 % verdoppelt eine Auswahlrate von 42,2 % gegenüber einer Zufallsbasislinie von 50 %.
- New Measures Arena stufte Avatar 6 auf Platz eins ein, testete jedoch nur kurze Clips, und HeyGen lief langsamer als Runway.
HeyGen stellte Avatar 6, sein neuestes audiogesteuertes Avatar-Modell, in einem am 17. November 2026 veröffentlichten technischen Bericht vor. Das Modell erzeugt anhand eines einzelnen Fotos ein Video einer bestimmten Person; optional kann eine kurze Aufnahme zur Identitätsbestimmung hinzugefügt werden. HeyGen zufolge bietet es native 2K-Ausgabe, keine feste Laufzeitbegrenzung und ist seit Mitte November 2026 in der Web-App, der mobilen App und über die API verfügbar.
Avatar 6 soll Aussehen, Sprechweise und Bewegungsmuster einer Person gemeinsam wiedergeben. Das hauseigene System kombiniert den Generator mit einer Super-Resolution-Stufe, die Details wie Hautstruktur und Haare wiederherstellt, einem Bewegungsplaner und HeyGen Voice, das Sprache mit der Stimme der jeweiligen Person erzeugt. Kunden können zwischen Avatar 6 Quality und Avatar 6 Turbo wählen. Letzteres nutzt den beschleunigten Inferenz-Stack von HeyGen, um die Latenz zu verringern.
Skriptgesteuerte Gesten und lange Videos
Auf der Produktseite erklärt HeyGen, dass Avatar 6 anhand der Bedeutung eines Skripts bestimmt, an welchen Stellen Zeigegesten, Zählbewegungen oder Richtungsbewegungen passen. Für eine genauere Steuerung können Nutzer Stimmung, Gesichtsausdruck oder Handbewegungen separat festlegen. Schriftliche Bewegungsanweisungen können eine Aktion an eine bestimmte Formulierung knüpfen, etwa ein Winken während einer Begrüßung oder das Abzählen einer Liste an den Fingern. Der Bewegungsplaner stimmt diese Aktionen zeitlich auf die entsprechenden Wörter ab und bewahrt dabei die charakteristischen Bewegungen der Person zwischen den Gesten.
Die Demonstrationen von HeyGen umfassen durchgehende Videos mit einer Länge von 25 bis 28 Minuten. Jedes wird aus einer einzigen Audiospur ohne Schleifen erzeugt, sodass die Laufzeit der Länge der gesprochenen Inhalte entspricht. Mit demselben System lassen sich auch zwei Sprecher in einem Bild darstellen. Eine Demonstration zeigt einen zweiminütigen Podcast mit Moderator und Gast, der zwischen Weitwinkelaufnahmen und näheren Ansichten der beiden Personen wechselt.
Mit dem Editor für aufgezeichnete Videos von Avatar 6 lassen sich Wörter ersetzen oder Gesten hinzufügen, wobei nur der bearbeitete Abschnitt neu generiert und die neue Sprache mit der Stimme der jeweiligen Person synthetisiert wird. In einem Vergleich mit 20 Bearbeitungen von HeyGen änderten sich durchschnittlich 34,4 % der Einzelbilder. Bei MiniMax H3-max, Wan 3.0, Seedance 2.5 und HappyHorse Edit waren es dagegen 99,7 % bis 100 %. Dass der übrige Teil der Aufnahme erhalten bleibt, ist hilfreich, um eine fertige Präsentationsaufnahme zu korrigieren, ohne die gesamte Szene neu erstellen zu müssen.
Realismusversprechen und unabhängige Tests
Der von HeyGen angegebene Wert von 84,4 % für die Ununterscheidbarkeit hat eine konkrete Bedeutung: Externe Beurteiler wählten Avatar 6 in 42,2 % von 270 direkten Vergleichsentscheidungen als echte Aufnahme. Der Wert ergibt sich daraus, dass diese Auswahlquote verdoppelt wird, denn bei einer Zufallsentscheidung läge sie bei 50 %. An dem direkten Vergleich nahmen 20 externe Beurteiler und 76 Personen teil. In separaten Tests mit einzelnen Clips wurden 65,1 % der Avatar-6-Clips, in denen die eigene Stimme der jeweiligen Person verwendet wurde, als echt eingestuft; bei echten Aufnahmen waren es 78,9 %.
Die Vergleiche von HeyGen mit externen Beurteilern fielen bei einigen allgemeinen Videomodellen weniger eindeutig aus: Unter den Antworten, bei denen eine Präferenz angegeben wurde, erhielt Avatar 6 gegenüber Wan 3.0 auf Grundlage eines Fotos 50,1 % der Stimmen – laut Beschreibung ein Gleichstand –, gegenüber Kling 4.0 auf Grundlage von Videomaterial 54,9 % und gegenüber Seedance 2.5 auf Grundlage von Videomaterial 72,4 %.
Die ersten Ergebnisse von New Measure in der Avatar Arena platzierten Avatar 6 in beiden Kategorien auf dem ersten Rang. Die Präferenzwerte auf der Elo-Skala lagen bei 1.197 für persönliche Avatare und bei 1.237 für vorgefertigte Präsentations-Avatare; der Durchschnittswert beträgt in beiden Kategorien 1.000. Die Ersteller verglichen zwei Videos, in denen dasselbe Skript vorgelesen wurde. Dabei waren die Namen der Anbieter ausgeblendet und die Reihenfolge der Videos zufällig festgelegt. Die erfassten Stimmen und Bearbeitungen stammten aus dem Zeitraum vom 27. Oktober 2026 bis zum 16. November 2026.
New Measure weist darauf hin, dass die Teilnehmer selbst entschieden, ob sie die Arena nutzten, das typische Skript 62 Wörter umfasste und 97 % der beiden Videos in den abgeschlossenen Vergleichen jeweils höchstens 35 Sekunden lang waren. Die Ergebnisse belegen keine Leistung bei längeren Videos oder in Sprachen, für die nicht ausreichend getestet wurde. Eine Präferenz bedeutete auch keine schnellere Bereitstellung: Videos mit HeyGen-Personal-Avataren dauerten typischerweise etwa drei Minuten, gegenüber etwa einer Minute bei Runway GWM-1 Avatars. Jedes zehnte Video mit einem HeyGen-Personal-Avatar benötigte mehr als neuneinhalb Minuten. Die Zeitangaben berücksichtigen weder die Einrichtung des Avatars noch die Vorbereitung der Sprache.
API-Beschränkungen und Einwilligungsprüfungen
Die API-Dokumentation führt auf heygen-avatar-6 und heygen-avatar-6-turbo, wobei 1080p die Standardauflösung ist. Eine Model-API-Anfrage kombiniert ein Referenzbild oder -video mit Sprach-Audio, während eine Application-API-Anfrage von einem HeyGen-Avatar-Look und einem Skript mit Stimme oder Audio ausgeht. Die Application API unterstützt Avatar 6 nur bei Anfragen mit einem einzelnen Avatar. Ausgeschlossen sind Aufträge mit Rohbildern, Studioszenen, die Stapelerstellung und die Szenenbearbeitung. Wird keine Engine ausgewählt, kommt weiterhin Avatar IV zum Einsatz.
Die Einwilligungsregeln richten sich nach der Eingabe. Bevor ein auf Videomaterial basierender HeyGen-Avatar erstellt werden kann, muss die betreffende Person vor der Kamera eine Einwilligungserklärung mit einem sitzungsspezifischen Einmalcode aufnehmen. Außerdem überprüft HeyGen, ob die Person, die ihre Einwilligung erklärt, mit der Person im Trainingsmaterial übereinstimmt. Fotoreferenzen stehen allen API-Arbeitsbereichen mit Zustimmung der betreffenden Person zur Verfügung, realistische Videoreferenzen hingegen nur Unternehmenskunden. Laut Dokumentation wird die Einwilligung für Videoreferenzen vor der Übermittlung überprüft. Nach einer Einzelfallprüfung können manche Verträge jedoch auch ohne diesen Schritt umgesetzt werden.
Avatar 6 bietet Produktionsanwendern mehr Kontrolle über Identität, Bewegung und Überarbeitung. Die Möglichkeit, lange, zusammenhängende Inhalte zu erstellen, geht über kurze Präsentationsclips hinaus. Die unabhängige Testumgebung bestätigt die Attraktivität für kurze Clips, lässt die Langform-Demonstrationen jedoch ungeprüft. Ihre Zeitmessungen zeigen außerdem, dass die Erstellung eines bevorzugten Avatars weiterhin länger dauern kann als die des schnellsten Konkurrenten.












