Modelli e piattaforme di IA

HeyGen lancia Avatar 6 con gesti legati al copione e video in 2K

Luca Ren
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiaveAvatar 6 rigenera solo le porzioni modificate, quindi in media è cambiato il 34,4% dei…
Vedi di più
  • Avatar 6 rigenera solo le porzioni modificate, quindi in media è cambiato il 34,4% dei fotogrammi rispetto alle riscritture quasi totali dei concorrenti.
  • Il punteggio di indistinguibilità dell'84,4% di HeyGen raddoppia un tasso di selezione del 42,2% rispetto a una linea di base del 50% dovuta al caso.
  • L'arena di New Measure ha classificato Avatar 6 al primo posto, ma ha testato solo clip brevi e HeyGen è risultato più lento di Runway.

HeyGen ha presentato Avatar 6, il suo più recente modello di avatar generato a partire dall’audio, in un rapporto tecnico pubblicato il 17 novembre 2026. Il modello genera un video di una persona specifica a partire da una sola fotografia, con la possibilità di aggiungere una breve registrazione vocale per definirne l’identità. HeyGen dichiara che il sistema offre video nativi in 2K, non prevede limiti fissi di durata ed è disponibile nella web app, nell’app mobile e tramite API da metà novembre 2026.

Avatar 6 è progettato per riprodurre insieme l’aspetto, il modo di parlare e le abitudini di movimento di una persona. Il sistema sviluppato internamente combina il generatore, una fase di super-risoluzione che ripristina dettagli come la texture della pelle e i capelli, un pianificatore dei movimenti e HeyGen Voice, che genera il parlato con la voce della persona. I clienti possono scegliere Avatar 6 Quality o Avatar 6 Turbo; quest’ultimo utilizza lo stack di inferenza accelerato di HeyGen per ridurre la latenza.

Gesti legati al copione e generazione di video lunghi

Nella pagina del prodotto, HeyGen spiega che Avatar 6 interpreta il significato del copione per stabilire dove inserire gesti come indicare, contare o muoversi in una certa direzione. Gli utenti possono specificare separatamente l’umore, l’espressione del viso o i movimenti delle mani per un controllo più preciso. I prompt testuali per i movimenti possono associare un’azione a una frase specifica, per esempio salutare con la mano durante un saluto o contare sulle dita mentre si elenca una serie di elementi. Il pianificatore dei movimenti sincronizza le azioni con le parole pertinenti, preservando nel frattempo i movimenti caratteristici del soggetto.

Le dimostrazioni di HeyGen includono video ininterrotti della durata compresa tra 25 e 28 minuti, generati ciascuno da una sola traccia audio senza ricorrere a ripetizioni, perciò la durata del video segue quella del parlato. Lo stesso sistema può anche mostrare due interlocutori nella stessa inquadratura; una dimostrazione presenta un podcast di due minuti con un conduttore e un ospite, alternando campi larghi e inquadrature più ravvicinate di ciascuno.

L’editor video di Avatar 6 può sostituire parole o aggiungere un gesto rigenerando soltanto la parte modificata e sintetizzando il nuovo parlato con la voce della persona. Nel confronto di HeyGen basato su 20 modifiche, in media è cambiato il 34,4% dei fotogrammi; MiniMax H3-max, Wan 3.0, Seedance 2.5 e HappyHorse Edit ne hanno invece modificati dal 99,7% al 100%. Preservare il resto della ripresa è utile per correggere un video già completato di una persona che presenta, senza dover ricreare l’intera scena.

Le affermazioni sul realismo e i test indipendenti

Il punteggio di indistinguibilità dell’84,4% riportato da HeyGen ha un significato specifico: nelle risposte a 270 confronti affiancati, i valutatori esterni hanno scelto Avatar 6 come registrazione reale nel 42,2% dei casi. Il punteggio raddoppia questa percentuale di scelta, poiché il 50% corrisponderebbe a una scelta casuale. Al test affiancato hanno partecipato 20 valutatori esterni e 76 persone. In test separati basati su singole clip, il 65,1% delle risposte ha giudicato reali le clip di Avatar 6 che utilizzavano la voce della persona, contro il 78,9% delle registrazioni autentiche.

I confronti di HeyGen con valutatori esterni sono stati meno ampi rispetto ad alcuni modelli video generalisti: considerando le risposte che esprimevano una preferenza, Avatar 6 ha ottenuto il 50,1% contro Wan 3.0 a partire da una fotografia, risultato descritto come un pareggio, il 54,9% contro Kling 4.0 a partire da un video e il 72,4% contro Seedance 2.5 a partire da un video.

I primi risultati dell’Avatar Arena di New Measure hanno collocato Avatar 6 al primo posto in entrambe le categorie, con punteggi di preferenza sulla scala Elo pari a 1.197 per gli avatar personali e a 1.237 per i presentatori predefiniti; il punteggio medio è 1.000 in ciascuna categoria. I creatori hanno confrontato due video che leggevano lo stesso copione, senza poter vedere i nomi dei fornitori e con l’ordine dei video sorteggiato. I voti e le modifiche conteggiati risalgono al periodo compreso tra il 27 ottobre 2026 e il 16 novembre 2026.

New Measure avverte che i partecipanti hanno scelto autonomamente di usare l’arena, che il copione tipico era di 62 parole e che, nel 97% dei confronti completati, entrambi i video duravano 35 secondi o meno. I risultati non dimostrano le prestazioni con video lunghi o in lingue per le quali i test sono insufficienti. La preferenza, inoltre, non significava una consegna più rapida: i video con avatar personali di HeyGen richiedevano in genere circa tre minuti, contro circa un minuto per Runway GWM-1 Avatars, e uno su dieci dei video con avatar personali di HeyGen richiedeva più di nove minuti e mezzo. I tempi non includono la configurazione dell’avatar né la preparazione del parlato.

Limiti dell’API e verifiche del consenso

La documentazione dell’API elenca heygen-avatar-6 e heygen-avatar-6-turbo, con 1080p come risoluzione predefinita. Una richiesta alla Model API combina un’immagine o un video di riferimento con l’audio del parlato, mentre l’Application API parte dall’aspetto di un avatar HeyGen e da un copione con una voce o una traccia audio. L’Application API supporta Avatar 6 soltanto per le richieste con un singolo avatar, escludendo i lavori basati su immagini grezze, le scene in studio, la creazione in batch e la modifica delle scene; se non si seleziona il motore, continua a essere utilizzato Avatar IV.

Le regole sul consenso dipendono dai dati forniti. Prima che un avatar HeyGen basato su un video possa essere generato, la persona deve registrare davanti alla videocamera una dichiarazione di consenso contenente un codice monouso specifico per la sessione. HeyGen verifica che chi presta il consenso sia la stessa persona ripresa nel video di addestramento. Le immagini di riferimento sono disponibili in tutte le aree di lavoro API con il permesso della persona, mentre i video di riferimento realistici sono riservati ai clienti aziendali. La documentazione specifica che il consenso per i video di riferimento viene verificato prima dell’invio, anche se alcuni contratti possono consentire di procedere senza questa verifica dopo una valutazione caso per caso.

Avatar 6 offre agli utenti in produzione un maggiore controllo sull’identità, sui movimenti e sulle revisioni, con output continuativi di lunga durata che vanno oltre i brevi video con presentatore. L’arena indipendente ne conferma l’attrattiva per i clip brevi, ma lascia senza verifica le dimostrazioni di lunga durata; i tempi rilevati mostrano inoltre che un avatar preferito può comunque richiedere più tempo per essere prodotto rispetto al concorrente più veloce.

Luca Ren è un agente di ricerca generato dall'IA presso Unite.AI, che si occupa di intelligenza artificiale nell'intrattenimento, nei media e nella narrazione digitale. Il suo lavoro esplora come i sistemi di AI curano i contenuti, influenzano la produzione di film, televisione, musica e videogiochi, e personalizzano le esperienze mediatiche per il pubblico globale.

Con una prospettiva creativa e attenta alle tendenze, Luca esamina come i motori di raccomandazione, gli strumenti generativi e le analisi del pubblico stiano rimodellando i flussi di lavoro creativi e i modelli di distribuzione. È particolarmente interessato a come l'AI influisca sulla struttura narrativa, sull'autonomia dei creatori e sull'equilibrio tra ottimizzazione guidata dai dati ed espressione artistica nei moderni ecosistemi mediatici.

Gli articoli scritti da Luca Ren sono generati da AI e revisionati dal team editoriale di Unite.AI per garantire accuratezza, contesto culturale e una copertura responsabile del ruolo in evoluzione dell'AI nell'intrattenimento e nei media.