AI-mallit ja alustat

HeyGen julkaisee Avatar 6:n: käsikirjoituksen huomioivat eleet ja 2K-video

Luca Ren
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatAvatar 6 regeneroi vain muokatut jaksot, joten keskimäärin 34,4 % ruuduista muuttui…
Näytä lisää
  • Avatar 6 regeneroi vain muokatut jaksot, joten keskimäärin 34,4 % ruuduista muuttui, kun kilpailijat kirjoittivat lähes kaiken uudelleen.
  • HeyGenin 84,4 %:n erottamattomuuspisteet kaksinkertaistavat 42,2 %:n valintasuhteen 50 %:n sattumanvaraiseen perustasoon verrattuna.
  • New Measure'n areena sijoitti Avatar 6:n ensimmäiseksi, mutta testasi vain lyhyitä klippejä, ja HeyGen toimi hitaammin kuin Runway.

HeyGen esitteli uusimman äänen ohjaaman avatar-mallinsa Avatar 6:n 17. marraskuuta 2026 julkaistussa teknisessä raportissa. Malli luo videon tietystä henkilöstä yhden valokuvan perusteella, ja lisäksi voidaan käyttää lyhyttä henkilöllisyyden tallennetta. HeyGenin mukaan malli tuottaa videota natiivisti 2K-tarkkuudella, sillä ei ole kiinteää kestoon liittyvää ylärajaa, ja se on saatavilla HeyGenin verkkosovelluksessa, mobiilisovelluksessa ja API:ssa marraskuun 2026 puolivälistä lähtien.

Avatar 6 on suunniteltu jäljittelemään samanaikaisesti henkilön ulkonäköä, puhetapaa ja liiketottumuksia. HeyGenin oma järjestelmä yhdistää generointimallin, superresoluutiovaiheen, joka palauttaa yksityiskohtia, kuten ihon tekstuurin ja hiukset, liikkeensuunnittelijan sekä HeyGen Voicen, jolla puhe tuotetaan puhujan omalla äänellä. Asiakkaat voivat valita Avatar 6 Qualityn tai Avatar 6 Turbon; jälkimmäisessä käytetään HeyGenin nopeutettua päättelypinoa latenssin pienentämiseksi.

Käsikirjoitukseen sidotut eleet ja pitkät videot

Tuotesivulla HeyGen kertoo, että Avatar 6 päättelee käsikirjoituksen merkityksen perusteella, mihin kohtaan sopivat osoittaminen, laskeminen tai liike tiettyyn suuntaan. Käyttäjät voivat määrittää erikseen tunnelman, ilmeen tai käsien liikkeet, jolloin ohjaus on tarkempaa. Kirjalliseen liikeohjeeseen voi liittää toiminnon tiettyyn ilmaukseen, esimerkiksi vilkutuksen tervehdyksen aikana tai sormilla laskemisen luetteloa läpikäytäessä. Liikkeensuunnittelija ajoittaa nämä toiminnot niitä vastaavien sanojen kohdalle ja säilyttää samalla henkilölle ominaisen liikkeen niiden välissä.

HeyGenin esittelyissä on mukana 25–28 minuutin yhtäjaksoisia videoita, joista kukin on luotu yhdestä ääniraidasta ilman silmukoita, joten videon kesto määräytyy puheen pituuden mukaan. Sama järjestelmä tuottaa myös kaksi puhujaa samaan kuvaan. Yhdessä esimerkissä on kaksiminuuttinen juontajan ja vieraan podcast, jossa vaihdellaan yleiskuvien ja kummankin henkilön lähikuvien välillä.

Avatar 6:n tallennettujen videoiden editorilla voi vaihtaa sanoja tai lisätä eleen niin, että uudelleen luodaan vain muokattu osuus ja uusi puhe tuotetaan henkilön äänellä. HeyGenin 20 muokkauksen vertailussa muuttui keskimäärin 34,4 % kuvista, kun taas MiniMax H3-max, Wan 3.0, Seedance 2.5 ja HappyHorse Edit muuttivat 99,7–100 %. Ympäröivän otoksen säilyttäminen on hyödyllistä valmiin esiintyjätallenteen korjaamisessa, sillä koko otosta ei tarvitse luoda uudelleen.

Väitteet realistisuudesta ja riippumaton testaus

HeyGenin ilmoittamalla 84,4 prosentin erottamattomuuspistemäärällä on täsmällinen merkitys: ulkopuoliset arvioijat valitsivat Avatar 6:n aidoksi tallenteeksi 42,2 prosentissa 270 rinnakkaisvertailun vastauksesta. Pistemäärä on kaksinkertainen valintaosuuteen nähden, koska sattumanvaraisen valinnan osuus olisi 50 %. Rinnakkaisvertailuun osallistui 20 ulkopuolista arvioijaa ja 76 henkilöä. Erillisissä yksittäisen leikkeen testeissä 65,1 % vastauksista arvioi aidoksi Avatar 6 -leikkeet, joissa käytettiin henkilön omaa ääntä. Aitojen tallenteiden vastaava osuus oli 78,9 %.

HeyGenin omissa ulkopuolisten arvioijien vertailuissa Avatar 6:n tulokset olivat vaatimattomampia joitakin yleiskäyttöisiä videomalleja vastaan: niissä vastauksissa, joissa oli selkeä suosikki, Avatar 6 sai 50,1 % Wan 3.0:aa vastaan valokuvasta luodussa videossa, jota kuvailtiin tasapeliksi, 54,9 % Kling 4.0:aa vastaan videomateriaalista luodussa videossa ja 72,4 % Seedance 2.5:ttä vastaan videomateriaalista luodussa videossa.

New Measuren varhaisissa Avatar Arena -tuloksissa Avatar 6 sijoittui ensimmäiseksi molemmissa luokissa. ELO-asteikon suosikkipisteet olivat henkilökohtaisille avatareille 1 197 ja valmiille juontaja-avatareille 1 237; kummankin luokan keskipistemäärä on 1 000. Sisällöntuottajat vertasivat kahta samaa käsikirjoitusta lukevaa videota, joiden palveluntarjoajien nimet oli piilotettu ja videoiden järjestys satunnaistettu. Kertyneet äänet ja muokkaukset ajoittuivat 27. lokakuuta 2026 ja 16. marraskuuta 2026 väliselle ajalle.

New Measure huomauttaa, että osallistujat valitsivat itse käyttää areenaa, käsikirjoituksessa oli tavallisesti 62 sanaa ja molemmat videot kestivät enintään 35 sekuntia 97 prosentissa valmistuneista vertailuista. Tulokset eivät osoita suorituskykyä pitkillä videoilla tai kielillä, joita ei ole testattu riittävästi. Suosio ei myöskään tarkoittanut nopeampaa toimitusta: HeyGenin henkilökohtaiset avatar-videot valmistuivat tavallisesti noin kolmessa minuutissa, kun Runway GWM-1 Avatarsin videot valmistuivat noin minuutissa. Joka kymmenes HeyGenin henkilökohtainen avatar-video kesti yli yhdeksän ja puoli minuuttia. Ajoitukset eivät sisällä avatarin määritystä eivätkä puheen valmistelua.

API:n rajoitukset ja suostumuksen tarkistukset

API-dokumentaatiossa luetellaan heygen-avatar-6 ja heygen-avatar-6-turbo, ja oletustarkkuus on 1080p. Model API -pyynnössä yhdistetään viitekuva tai -video puheääneen, kun taas Application API alkaa HeyGen-avatarin ulkoasusta ja käsikirjoituksesta, jossa on mukana ääni tai äänitiedosto. Application API tukee Avatar 6:ta vain yhden avatarin pyynnöissä, joten se ei tue raakakuvatyötä, studiokohtauksia, eräluontia eikä kohtausten muokkausta. Jos moottorin valinta jätetään pois, käytössä on edelleen Avatar IV.

Suostumussäännöt määräytyvät syötteen mukaan. Ennen kuin videomateriaaliin perustuva HeyGen-avatar voidaan luoda, henkilön on tallennettava kameralle suostumuslausunto, jossa on istuntokohtainen kertakäyttökoodi. HeyGen varmistaa, että suostumuksen antaja on sama henkilö kuin koulutusmateriaalissa esiintyvä henkilö. Valokuvaviitteet ovat käytettävissä kaikissa API-työtiloissa henkilön luvalla, kun taas realistiset videoviitteet ovat vain yritysasiakkaiden käytettävissä. Dokumentaation mukaan videoviitteitä koskeva suostumus varmennetaan ennen lähettämistä, mutta joissakin sopimuksissa tästä vaiheesta voidaan luopua tapauskohtaisen arvioinnin jälkeen.

Avatar 6 antaa tuotantokäyttäjille enemmän hallintaa identiteettiin, liikkeeseen ja muokkaukseen, ja sillä voi tuottaa pitkiä yhtäjaksoisia videoita lyhyitä juontajaklippejä pidemmälle. Riippumaton vertailu tukee sen houkuttelevuutta lyhyissä klippeissä, mutta pitkäkestoiset esittelyt jäävät testaamatta. Ajoitukset osoittavat myös, että käyttäjän suosikkiavatarin tuottaminen voi kestää kauemmin kuin nopeimman kilpailijan.

Luca Ren on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka käsittelee tekoälyn käyttöä viihteen, median ja digitaalisen tarinankerronnan aloilla. Hänen työnsä tutkii, miten tekoälyjärjestelmät kuratoivat sisältöä, vaikuttavat elokuva-, televisio-, musiikki- ja pelituotantoon sekä räätälöivät mediakokemuksia maailmanlaajuiselle yleisölle.

Luovasta ja trendeille herkästä näkökulmasta Luca tarkastelee, miten suositusjärjestelmät, generatiiviset työkalut ja yleisöanalytiikka muokkaavat luovia työnkulkuja ja jakelumalleja. Hän on erityisen kiinnostunut siitä, miten tekoäly vaikuttaa kerronnan rakenteeseen, tekijäautonomiaan ja tasapainoon data‑ohjatun optimoinnin sekä taiteellisen ilmaisun välillä nykyaikaisissa mediaympäristöissä.

Artikkelit, jotka Luca Ren on kirjoittanut, ovat AI‑luotuja ja Unite.AI:n toimituskunta on tarkastanut ne varmistaakseen tarkkuuden, kulttuurikontekstin ja vastuullisen käsittelyn tekoälyn kehittyvästä roolista viihteessä ja mediassa.