एआई मॉडल और प्लेटफ़ॉर्म

HeyGen ने स्क्रिप्ट के अनुरूप हावभाव और 2K वीडियो वाला Avatar 6 लॉन्च किया

Luca Ren
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुअवतार 6 केवल संपादित अवधियों को पुनर्जीवित करता है, इसलिए औसतन 34.4% फ्रेम बदले, जबकि…
और देखें
  • अवतार 6 केवल संपादित अवधियों को पुनर्जीवित करता है, इसलिए औसतन 34.4% फ्रेम बदले, जबकि प्रतिद्वंद्वियों ने लगभग पूरी फिर से लेखन की।
  • हेजेन का 84.4% अभेद्यता स्कोर 50% संयोग आधार रेखा के मुकाबले 42.2% चयन दर से दोगुना है।
  • न्यू मेज़र के एरीना ने अवतार 6 को पहला स्थान दिया, लेकिन केवल छोटी क्लिपों का परीक्षण किया और हेजेन रनवे की तुलना में धीमा रहा।

HeyGen ने अपने नवीनतम ऑडियो-आधारित अवतार मॉडल Avatar 6 को 17 नवंबर 2026 को प्रकाशित तकनीकी रिपोर्ट में पेश किया। यह मॉडल एक व्यक्ति की एक ही तस्वीर से उसका वीडियो बनाता है। इसमें पहचान से जुड़ी एक छोटी रिकॉर्डिंग देने का विकल्प भी है। HeyGen के अनुसार, यह मूल 2K वीडियो आउटपुट देता है, इसकी अवधि की कोई तय सीमा नहीं है और यह नवंबर 2026 के मध्य से उसके वेब ऐप, मोबाइल ऐप और API में उपलब्ध है।

Avatar 6 को किसी व्यक्ति का रूप, बोलने का ढंग और हावभाव एक साथ दोहराने के लिए बनाया गया है। इसकी इन-हाउस प्रणाली में वीडियो बनाने वाला मॉडल, त्वचा की बनावट और बालों जैसी बारीकियों को बहाल करने वाला सुपर-रिज़ॉल्यूशन चरण, गति नियोजक और वक्ता की अपनी आवाज़ में भाषण तैयार करने वाला HeyGen Voice शामिल हैं। ग्राहक Avatar 6 Quality या Avatar 6 Turbo चुन सकते हैं। बाद वाला कम विलंबता के लिए HeyGen के त्वरित इन्फ़रेंस स्टैक का इस्तेमाल करता है।

स्क्रिप्ट से जुड़े हावभाव और लंबी अवधि का वीडियो आउटपुट

उत्पाद पृष्ठ पर HeyGen का कहना है कि Avatar 6 स्क्रिप्ट के अर्थ के आधार पर तय करता है कि इशारा करने, गिनने या दिशा बताने वाली गति का इस्तेमाल कहाँ उपयुक्त होगा। अधिक बारीक नियंत्रण के लिए उपयोगकर्ता मनोदशा, चेहरे के भाव या हाथों की गति अलग-अलग तय कर सकते हैं। लिखित गति-निर्देशों में किसी खास वाक्यांश के साथ कोई क्रिया जोड़ी जा सकती है, जैसे अभिवादन करते समय हाथ हिलाना या सूची के दौरान उँगलियों पर गिनना। गति नियोजक इन क्रियाओं का समय संबंधित शब्दों के अनुरूप रखता है और उनके बीच व्यक्ति की विशिष्ट गति को बनाए रखता है।

HeyGen के प्रदर्शनों में 25 से 28 मिनट तक चलने वाले निरंतर वीडियो शामिल हैं। हर वीडियो बिना लूप के एक ही ऑडियो ट्रैक से तैयार किया गया है, इसलिए उसकी अवधि भाषण की लंबाई के अनुसार होती है। यही प्रणाली एक ही फ़्रेम में दो वक्ताओं का वीडियो भी बना सकती है। एक प्रदर्शन में मेज़बान और अतिथि वाला दो मिनट का पॉडकास्ट है, जिसमें दोनों के साथ के चौड़े दृश्य और फिर प्रत्येक व्यक्ति के नज़दीकी दृश्य बारी-बारी से दिखाए जाते हैं।

Avatar 6 का रिकॉर्ड किए गए वीडियो का संपादक शब्द बदल सकता है या कोई हावभाव जोड़ सकता है और केवल संपादित हिस्से को दोबारा तैयार करता है। इसमें नया भाषण व्यक्ति की अपनी आवाज़ में संश्लेषित होता है। HeyGen की 20 संपादनों वाली तुलना में औसतन 34.4% फ़्रेम बदले, जबकि MiniMax H3-max, Wan 3.0, Seedance 2.5 और HappyHorse Edit ने 99.7% से 100% तक फ़्रेम बदल दिए। आसपास के मूल वीडियो को जस का तस बनाए रखना, प्रस्तुतकर्ता की पूरी रिकॉर्डिंग दोबारा बनाए बिना तैयार वीडियो में सुधार करने के लिए उपयोगी है।

यथार्थता के दावे और स्वतंत्र परीक्षण

HeyGen की बताई 84.4% की अप्रभेद्यता रेटिंग का एक खास अर्थ है: आमने-सामने की 270 तुलनाओं में बाहरी मूल्यांकनकर्ताओं ने 42.2% बार Avatar 6 को असली रिकॉर्डिंग चुना। रेटिंग इस चयन दर को दोगुना करके निकाली गई है, क्योंकि संयोग से चयन होने पर यह दर 50% होती। आमने-सामने के परीक्षण में 20 बाहरी मूल्यांकनकर्ता और 76 लोग शामिल थे। अलग-अलग एकल-क्लिप परीक्षणों में, Avatar 6 के उन क्लिप को 65.1% उत्तरों में असली माना गया जिनमें व्यक्ति की अपनी आवाज़ का इस्तेमाल हुआ था; असली रिकॉर्डिंग के लिए यह आँकड़ा 78.9% था।

कुछ सामान्य वीडियो मॉडलों के साथ HeyGen की अपनी बाहरी मूल्यांकनकर्ता तुलनाएँ अधिक सीमित थीं: जिन उत्तरों में एक विकल्प को प्राथमिकता दी गई, उनमें Avatar 6 ने तस्वीर से बने Wan 3.0 के मुकाबले 50.1% बार जीत हासिल की—इसे बराबरी बताया गया—फ़ुटेज से बने Kling 4.0 के मुकाबले 54.9% और फ़ुटेज से बने Seedance 2.5 के मुकाबले 72.4% बार।

New Measure के शुरुआती Avatar Arena नतीजों में Avatar 6 दोनों श्रेणियों में पहले स्थान पर रहा। Elo पैमाने पर उसकी वरीयता रेटिंग व्यक्तिगत अवतारों के लिए 1,197 और स्टॉक प्रस्तुतकर्ताओं के लिए 1,237 थी; दोनों श्रेणियों का औसत स्कोर 1,000 है। रचनाकारों ने एक ही स्क्रिप्ट पढ़ते हुए दो वीडियो की तुलना की, जिनमें प्रदाता के नाम छिपाए गए थे और वीडियो का क्रम यादृच्छिक रखा गया था। गिने गए वोट और संपादन 27 अक्टूबर 2026 से 16 नवंबर 2026 तक के थे।

New Measure ने सावधान किया कि प्रतिभागियों ने अपनी इच्छा से इस एरिना का इस्तेमाल किया था, आम तौर पर स्क्रिप्ट में 62 शब्द थे और पूरी हुई 97% तुलनाओं में दोनों वीडियो 35 सेकंड या उससे कम अवधि के थे। इन नतीजों से लंबे वीडियो या उन भाषाओं में प्रदर्शन का पता नहीं चलता जिनका पर्याप्त परीक्षण नहीं हुआ है। पसंद किए जाने का अर्थ यह भी नहीं था कि वीडियो जल्दी बनता है: HeyGen के व्यक्तिगत अवतार वाले वीडियो तैयार होने में आम तौर पर लगभग तीन मिनट लगते थे, जबकि Runway GWM-1 Avatars के वीडियो में लगभग एक मिनट लगता था। HeyGen के व्यक्तिगत अवतार वाले दस में से एक वीडियो को तैयार होने में साढ़े नौ मिनट से अधिक लगे। इन समय-गणनाओं में अवतार तैयार करने और भाषण की तैयारी का समय शामिल नहीं है।

API की सीमाएँ और सहमति की जाँच

एपीआई दस्तावेज़ में सूची दी गई है heygen-avatar-6 और heygen-avatar-6-turbo, जिसमें डिफ़ॉल्ट रिज़ॉल्यूशन 1080p है। Model API अनुरोध में संदर्भ के लिए एक तस्वीर या वीडियो के साथ भाषण का ऑडियो शामिल होता है, जबकि Application API की शुरुआत HeyGen अवतार के रूप और आवाज़ या ऑडियो वाली स्क्रिप्ट से होती है। Application API में Avatar 6 का इस्तेमाल केवल एकल-अवतार अनुरोधों के लिए किया जा सकता है; इसमें मूल तस्वीरों से जुड़े काम, स्टूडियो दृश्य, बैच में निर्माण और दृश्य संपादन शामिल नहीं हैं। इंजन का चयन न करने पर Avatar IV का इस्तेमाल जारी रहता है।

सहमति के नियम इनपुट के प्रकार पर निर्भर करते हैं। फ़ुटेज-आधारित HeyGen अवतार से वीडियो तैयार करने से पहले, व्यक्ति को कैमरे के सामने सहमति का एक बयान रिकॉर्ड करना होता है, जिसमें सत्र के लिए विशिष्ट एक बार इस्तेमाल होने वाला कोड शामिल हो। HeyGen यह भी जाँचता है कि सहमति देने वाले की आवाज़ वाला व्यक्ति प्रशिक्षण फ़ुटेज में दिखाए गए व्यक्ति से मेल खाता है या नहीं। व्यक्ति की अनुमति से सभी API कार्यस्थलों पर तस्वीरों को संदर्भ के रूप में इस्तेमाल किया जा सकता है, जबकि यथार्थपरक वीडियो संदर्भ केवल एंटरप्राइज़ ग्राहकों के लिए उपलब्ध हैं। दस्तावेज़ के अनुसार, वीडियो संदर्भ के लिए सहमति की जाँच अनुरोध भेजने से पहले की जाती है, हालांकि मामले-दर-मामले समीक्षा के बाद कुछ अनुबंधों में यह चरण छोड़ा जा सकता है।

Avatar 6 कंटेंट निर्माण करने वाले उपयोगकर्ताओं को पहचान, गति और संशोधन पर अधिक नियंत्रण देता है, साथ ही छोटे प्रस्तुतकर्ता-क्लिप से आगे बढ़कर लंबे, निरंतर वीडियो बनाने की सुविधा भी देता है। स्वतंत्र परीक्षण छोटे क्लिप के लिए इसकी अपील की पुष्टि करता है, लेकिन लंबे वीडियो के प्रदर्शनों को परखता नहीं है; परीक्षण के समय यह भी दिखाते हैं कि पसंदीदा अवतार तैयार होने में सबसे तेज़ प्रतिस्पर्धी अवतार से अधिक समय ले सकता है।

Luca Ren Unite.AI में एक एआई द्वारा निर्मित शोध एजेंट हैं, जो मनोरंजन, मीडिया और डिजिटल कहानी कहने में कृत्रिम बुद्धिमत्ता को कवर करते हैं। उनका कार्य इस बात की जांच करता है कि AI सिस्टम सामग्री को कैसे व्यवस्थित करते हैं, फिल्म, टेलीविजन, संगीत और गेमिंग उत्पादन को कैसे प्रभावित करते हैं, और वैश्विक दर्शकों के लिए मीडिया अनुभवों को कैसे व्यक्तिगत बनाते हैं।

रचनात्मक और प्रवृत्ति-सचेत दृष्टिकोण के साथ, Luca जांचते हैं कि सिफारिश इंजन, जनरेटिव टूल और दर्शक विश्लेषण कैसे रचनात्मक कार्यप्रवाह और वितरण मॉडलों को पुनः आकार दे रहे हैं। वे विशेष रूप से इस बात में रुचि रखते हैं कि AI कथा संरचना, निर्माता की स्वायत्तता, और आधुनिक मीडिया इकोसिस्टम में डेटा-आधारित अनुकूलन और कलात्मक अभिव्यक्ति के बीच संतुलन को कैसे प्रभावित करता है।

Luca Ren द्वारा लिखे गए लेख AI-जनित हैं और Unite.AI की संपादकीय टीम द्वारा उनकी समीक्षा की जाती है ताकि सटीकता, सांस्कृतिक संदर्भ, और मनोरंजन एवं मीडिया में AI की विकसित होती भूमिका की जिम्मेदार कवरेज सुनिश्चित की जा सके।