AIモデルとプラットフォーム
HeyGen、台本に合わせたジェスチャーと2K動画に対応するAvatar 6を発表

要点Avatar 6は編集された範囲のみを再生成するため、平均でフレームの34.4%だけが変化し、競合他社がほぼ全面的に書き換えるのとは対照的である。
もっと見る
- Avatar 6は編集された範囲のみを再生成するため、平均でフレームの34.4%だけが変化し、競合他社がほぼ全面的に書き換えるのとは対照的である。
- HeyGenの84.4%という識別不能スコアは、50%の偶然水準に対する42.2%の選択率を2倍にしている。
- New MeasureのアリーナはAvatar 6を1位にランク付けしたが、短いクリップのみをテストしており、HeyGenはRunwayより遅かった。
HeyGenは、最新の音声駆動型アバターモデル「Avatar 6」を、2026年11月17日公開の技術レポートで発表しました。このモデルは、1枚の写真から特定の人物の動画を生成し、本人の短い録画を任意で追加することもできます。HeyGenによると、ネイティブ2K出力に対応し、動画の長さに固定の上限はありません。また、2026年11月中旬からウェブアプリ、モバイルアプリ、APIで利用できます。
Avatar 6は、人物の外見や話し方、動きの癖をまとめて再現するよう設計されています。自社開発のシステムは、生成モデルに加え、肌の質感や髪などの細部を復元する超解像処理、動作プランナー、話者本人の声で発話させるHeyGen Voiceを組み合わせています。利用者はAvatar 6 QualityとAvatar 6 Turboから選択でき、後者はHeyGenの高速推論スタックを使ってレイテンシーを低減します。
台本に連動したジェスチャーと長尺動画の生成
製品ページでHeyGenは、Avatar 6が台本の意味を読み取り、指さしや数を数える動作、方向を示す動きなどをどこに入れるか判断すると説明しています。利用者は、より細かく制御するために、気分、表情、手の動きをそれぞれ個別に指定できます。動作の指示を文章で入力し、挨拶の場面で手を振る、リストを読み上げながら指で数えるといった動作を特定の語句に結び付けることも可能です。動作プランナーは、対象となる語句に合わせて動作のタイミングを調整し、その合間も人物らしい動きを保ちます。
HeyGenのデモには、1本の音声トラックからループを使わずに生成した、25~28分の連続動画が含まれています。そのため、動画の長さは音声の長さに応じて決まります。同じ仕組みで、1つの画面に2人の話者を登場させることもできます。デモの1つは、司会者とゲストが登場する2分間のポッドキャストで、全景と各人物のアップを切り替えています。
Avatar 6の録画動画エディターでは、言葉を差し替えたりジェスチャーを加えたりする際、編集した部分だけを再生成でき、新しい音声は本人の声で合成されます。HeyGenが20件の編集で行った比較では、変更されたフレームは平均34.4%でした。一方、MiniMax H3-max、Wan 3.0、Seedance 2.5、HappyHorse Editでは、99.7%から100%のフレームが変更されました。周囲の映像を維持できるため、完成済みのプレゼンター動画をショット全体の再生成なしで修正するのに役立ちます。
リアルさに関する主張と第三者による検証
HeyGenが報告した84.4%という識別困難度スコアには、明確な意味があります。270件の並列比較で、外部評価者がAvatar 6を実際の録画だと選んだ割合は42.2%であり、この選択率を2倍にした値がスコアです。50%であれば偶然と同程度になります。並列比較には、外部評価者20人と76人の人物が参加しました。別途実施された単一クリップのテストでは、本人の声を使ったAvatar 6の動画を実物だと判断した回答は65.1%で、実際の録画に対する78.9%を下回りました。
HeyGenが外部評価者を対象に行った比較では、一部の汎用動画モデルとの評価範囲はより限定的でした。いずれかを選んだ回答に限ると、写真から生成したWan 3.0との比較ではAvatar 6の勝率は50.1%で、同点と説明されています。映像から生成したモデルとの比較では、Kling 4.0に対して54.9%、Seedance 2.5に対して72.4%でした。
New MeasureによるAvatar Arenaの初期結果では、Avatar 6は両カテゴリーで1位となりました。Eloスケールの選好スコアは、個人アバターで1,197、ストックプレゼンターで1,237でした。各カテゴリーの平均スコアは1,000です。クリエイターは、提供元の名前を伏せ、動画の順番をランダムにしたうえで、同じ台本を読む2本の動画を比較しました。集計対象となった投票と編集の期間は、2026年10月27日から2026年11月16日までです。
New Measureは、参加者が自ら選んでArenaを利用したこと、台本の典型的な長さが62語だったこと、完了した比較の97%で両方の動画が35秒以下だったことに注意を促しています。この結果から、長尺動画や、検証が十分に行われていない言語での性能を確かめることはできません。また、選好度の高さは、動画生成の速さを意味するものではありません。HeyGenの個人アバター動画の生成には通常約3分かかり、Runway GWM-1 Avatarsでは約1分でした。HeyGenの個人アバター動画の10本に1本は、生成に9分半を超えていました。これらの所要時間には、アバターの設定と音声の準備は含まれません。
APIの制限と同意確認
APIドキュメントには、 heygen-avatar-6 および heygen-avatar-6-turboと記載されており、デフォルトの解像度は1080pです。Model APIのリクエストでは、参照画像または参照動画と音声を組み合わせます。一方、Application APIでは、HeyGenアバターの外見と、音声またはオーディオを伴う台本を指定して生成を開始します。Application APIでAvatar 6を利用できるのは、アバター1体のリクエストに限られます。元画像を使うジョブ、スタジオシーン、一括作成、シーン編集は対象外です。エンジンを指定しない場合は、引き続きAvatar IVが使用されます。
同意に関するルールは入力内容によって異なります。映像をもとにHeyGenアバターを生成する前に、本人がセッションごとに発行されるワンタイムコードを含む同意文をカメラに向かって録画する必要があります。またHeyGenは、同意を示す話者が学習用映像の人物と一致することを確認します。写真を参照画像として使う場合、本人の許可があればすべてのAPIワークスペースで利用できますが、リアルな動画を参照画像として使えるのはエンタープライズプランに限られます。ドキュメントによると、動画参照に関する同意は送信前に確認されます。ただし、個別審査を経れば、その手順なしで利用できる契約もあります。
Avatar 6は、制作現場のユーザーがアイデンティティ、動き、修正をより細かく制御できるようにし、短いプレゼンター動画にとどまらない長尺の連続出力にも対応します。独立した評価環境では短尺動画での魅力が裏付けられていますが、長尺のデモは未検証です。また、計測結果からは、好みのアバターでも最速の競合製品より生成に時間がかかる場合があることが示されています。












