Modele i platformy AI
HeyGen wprowadza Avatar 6 z gestami dopasowanymi do skryptu i obrazem wideo 2K

Kluczowe punktyAvatar 6 regeneruje tylko edytowane fragmenty, więc średnio zmieniało się 34,4% klatek…
Zobacz więcej
- Avatar 6 regeneruje tylko edytowane fragmenty, więc średnio zmieniało się 34,4% klatek w porównaniu z niemal całkowitym przepisywaniem przez konkurentów.
- Wynik nierozróżnialności HeyGen wynoszący 84,4% podwaja wskaźnik wyboru 42,2% wobec bazowego poziomu losowego 50%.
- Arena New Measure umieściła Avatar 6 na pierwszym miejscu, ale testowała tylko krótkie klipy, a HeyGen działał wolniej niż Runway.
HeyGen zaprezentował Avatar 6, swój najnowszy model awatara sterowany dźwiękiem, w raporcie technicznym opublikowanym 17 listopada 2026 r. Model generuje wideo przedstawiające konkretną osobę na podstawie pojedynczego zdjęcia, z opcjonalnym krótkim nagraniem służącym do odwzorowania jej tożsamości. HeyGen informuje, że natywnie obsługuje rozdzielczość 2K, nie ma ustalonego limitu długości nagrania i jest dostępny w aplikacji internetowej, mobilnej oraz przez API od połowy listopada 2026 r.
Avatar 6 zaprojektowano tak, by jednocześnie odwzorowywał wygląd, sposób mówienia i charakterystyczne ruchy danej osoby. Wewnętrzny system HeyGen łączy generator, etap superrozdzielczości, który przywraca szczegóły, takie jak tekstura skóry i włosy, moduł planowania ruchu oraz HeyGen Voice, umożliwiający generowanie wypowiedzi własnym głosem mówcy. Klienci mogą wybrać Avatar 6 Quality lub Avatar 6 Turbo, który korzysta z przyspieszonego stosu wnioskowania HeyGen, aby zmniejszyć opóźnienia.
Gesty powiązane ze skryptem i długie nagrania
Na stronie produktu HeyGen informuje, że Avatar 6 analizuje znaczenie skryptu, by ustalić, w których miejscach pasują wskazywanie, liczenie lub ruch w określonym kierunku. Użytkownicy mogą osobno określać nastrój, wyraz twarzy lub ruchy dłoni, aby uzyskać większą kontrolę. Pisemne polecenia dotyczące ruchu pozwalają przypisać działanie do konkretnego zwrotu, na przykład machanie ręką podczas powitania lub odliczanie na palcach przy wyliczaniu kolejnych punktów. Moduł planowania ruchu dopasowuje te działania do odpowiednich słów, zachowując między nimi charakterystyczny sposób poruszania się danej osoby.
W demonstracjach HeyGen znalazły się nieprzerwane nagrania wideo trwające od 25 do 28 minut, każde wygenerowane na podstawie jednej ścieżki dźwiękowej, bez pętli, dzięki czemu długość nagrania odpowiada czasowi wypowiedzi. Ten sam system potrafi także umieścić w jednym kadrze dwóch mówców; w jednej z demonstracji pokazano dwuminutowy podcast prowadzony przez gospodarza i gościa, w którym ujęcia szerokie przeplatają się ze zbliżeniami każdej z osób.
Edytor nagrań wideo w Avatar 6 potrafi zastępować słowa lub dodawać gesty, regenerując tylko edytowany fragment, a nową wypowiedź syntetyzuje głosem danej osoby. W porównaniu obejmującym 20 edycji HeyGen średnio zmieniało się 34,4% klatek, podczas gdy MiniMax H3-max, Wan 3.0, Seedance 2.5 i HappyHorse Edit zmieniały od 99,7% do 100%. Zachowanie pozostałej części nagrania jest przydatne przy poprawianiu gotowego materiału z prezenterem, ponieważ pozwala uniknąć ponownego tworzenia całego ujęcia.
Deklaracje dotyczące realizmu i niezależne testy
Podawany przez HeyGen wynik nierozróżnialności na poziomie 84,4% ma konkretne znaczenie: zewnętrzni oceniający w 42,2% z 270 odpowiedzi w teście porównawczym wskazali Avatar 6 jako prawdziwe nagranie, a wynik ten jest dwukrotnością tego odsetka, ponieważ 50% oznaczałoby wybór losowy. W teście porównawczym wzięło udział 20 zewnętrznych oceniających i 76 osób. W odrębnych testach pojedynczych klipów 65,1% odpowiedzi uznawało za prawdziwe nagrania z Avatar 6, w których wykorzystano własny głos danej osoby. W przypadku autentycznych nagrań odsetek ten wyniósł 78,9%.
W przeprowadzonych przez HeyGen porównaniach z udziałem zewnętrznych oceniających Avatar 6 wypadał słabiej w starciu z niektórymi ogólnymi modelami wideo: wśród odpowiedzi wskazujących preferowany materiał wygrał w 50,1% przypadków z Wan 3.0 na podstawie zdjęcia — co opisano jako remis — w 54,9% przypadków z Kling 4.0 na podstawie nagrania oraz w 72,4% przypadków z Seedance 2.5 na podstawie nagrania.
Wczesne wyniki Avatar 6 w testach Avatar Arena organizowanych przez New Measure uplasowały ten model na pierwszym miejscu w obu kategoriach. Wynik preferencji w skali Elo wyniósł 1 197 dla awatarów osobistych i 1 237 dla prezenterów z biblioteki; średnia w każdej kategorii wynosi 1 000. Twórcy porównywali dwa nagrania odczytujące ten sam skrypt, przy czym nazwy dostawców były ukryte, a kolejność filmów losowa. Głosy i edycje uwzględnione w wynikach zebrano od 27 października 2026 r. do 16 listopada 2026 r.
New Measure zastrzega, że uczestnicy sami decydowali się skorzystać z areny, typowy skrypt liczył 62 słowa, a oba filmy trwały nie więcej niż 35 sekund w 97% ukończonych porównań. Wyniki nie pozwalają ocenić skuteczności w przypadku długich nagrań ani języków, dla których przeprowadzono zbyt mało testów. Preferencja nie oznaczała też szybszego generowania: filmy z awatarami osobistymi HeyGen powstawały zwykle w około trzy minuty, w porównaniu z około jedną minutą w przypadku Runway GWM-1 Avatars, a co dziesiąte nagranie z awatarem osobistym HeyGen powstawało dłużej niż dziewięć i pół minuty. Podane czasy nie obejmują konfiguracji awatara ani przygotowania mowy.
Limity API i weryfikacja zgody
Dokumentacja API wymienia heygen-avatar-6 oraz heygen-avatar-6-turbo, przy czym domyślną rozdzielczością jest 1080p. Żądanie Model API łączy obraz lub nagranie wideo stanowiące materiał referencyjny z dźwiękiem zawierającym mowę, natomiast Application API rozpoczyna działanie od wyglądu awatara HeyGen i skryptu z głosem lub nagraniem audio. Application API obsługuje Avatar 6 wyłącznie w żądaniach dotyczących jednego awatara, z wyłączeniem zadań opartych na surowym obrazie, scen studyjnych, tworzenia wsadowego i edycji scen; jeśli nie określi się silnika, nadal używany będzie Avatar IV.
Zasady dotyczące zgody zależą od rodzaju danych wejściowych. Zanim awatar HeyGen oparty na nagraniu wideo będzie mógł wygenerować materiał, dana osoba musi nagrać przed kamerą oświadczenie o zgodzie zawierające jednorazowy kod przypisany do konkretnej sesji. HeyGen sprawdza, czy osoba wyrażająca zgodę jest tą samą osobą, która występuje w materiale treningowym. Zdjęcia referencyjne są dostępne we wszystkich obszarach roboczych API, pod warunkiem uzyskania zgody danej osoby, natomiast realistyczne nagrania wideo jako materiały referencyjne są dostępne wyłącznie dla klientów korporacyjnych. Dokumentacja podaje, że zgoda na wykorzystanie nagrania wideo jako materiału referencyjnego jest weryfikowana przed przesłaniem, choć po indywidualnej analizie niektóre umowy mogą dopuszczać pominięcie tego etapu.
Avatar 6 zapewnia użytkownikom produkcyjnym większą kontrolę nad tożsamością, ruchem i wprowadzaniem poprawek, a także umożliwia tworzenie dłuższych, nieprzerwanych nagrań wykraczających poza krótkie klipy prezentacyjne. Niezależny test porównawczy potwierdza jego atrakcyjność w przypadku krótkich klipów, ale nie weryfikuje dłuższych demonstracji; podane czasy pokazują również, że stworzenie preferowanego awatara może trwać dłużej niż awatara najszybszego konkurenta.












