Модели и платформы ИИ

HeyGen представляет Avatar 6: жесты с учётом сценария и видео в разрешении 2K

Luca Ren
Добавьте Unite.AI в избранные источники в Google
Ключевые моментыAvatar 6 восстанавливает только отредактированные участки, поэтому в среднем изменяется…
Показать больше
  • Avatar 6 восстанавливает только отредактированные участки, поэтому в среднем изменяется 34,4% кадров по сравнению с почти полной перезаписью у конкурентов.
  • Показатель неотличимости HeyGen, равный 84,4%, вдвое превышает долю выбора 42,2% при базовом уровне случайного выбора 50%.
  • Арена New Measure поставила Avatar 6 на первое место, но тестировала только короткие клипы, а HeyGen работал медленнее, чем Runway.

HeyGen представила Avatar 6 — свою новейшую аудиоуправляемую модель аватара — в техническом отчёте, опубликованном 17 ноября 2026 года. Модель создаёт видео с конкретным человеком по одной фотографии, при желании — с короткой записью для точной передачи его индивидуальности. По данным HeyGen, модель поддерживает вывод видео в исходном разрешении 2K, не имеет фиксированного ограничения по длительности и доступна в веб-приложении, мобильном приложении и через API с середины ноября 2026 года.

Avatar 6 призвана одновременно воспроизводить внешность человека, его манеру речи и привычные движения. В собственной системе HeyGen объединены генератор, этап сверхвысокого разрешения, восстанавливающий такие детали, как текстура кожи и волосы, планировщик движений и HeyGen Voice, синтезирующий речь голосом самого человека. Клиенты могут выбрать Avatar 6 Quality или Avatar 6 Turbo; последняя использует ускоренный стек инференса HeyGen, чтобы сократить задержку.

Жесты, привязанные к сценарию, и видео большой длительности

На странице продукта HeyGen сообщает, что Avatar 6 анализирует смысл сценария и определяет, где уместны указательные жесты, счёт на пальцах или движения в заданном направлении. Для более точного управления пользователи могут отдельно задать настроение, выражение лица или движения рук. Текстовые подсказки для движений позволяют привязать действие к конкретной фразе — например, помахать рукой при приветствии или считать на пальцах пункты списка. Планировщик движений синхронизирует эти действия с соответствующими словами, сохраняя между ними характерную для человека манеру двигаться.

В демонстрационных материалах HeyGen есть непрерывные видео длительностью от 25 до 28 минут. Каждое из них создано по одной аудиодорожке без зацикливания, поэтому продолжительность видео соответствует длительности речи. Та же система позволяет показывать в одном кадре двух говорящих: в одной из демонстраций двухминутный подкаст с ведущим и гостем чередует общие планы с более крупными планами каждого участника.

Редактор записанного видео в Avatar 6 позволяет заменять слова или добавлять жесты, заново генерируя только отредактированный фрагмент; новая речь синтезируется голосом человека. В сравнении HeyGen, включавшем 20 правок, в среднем изменилось 34,4% кадров. Для сравнения: MiniMax H3-max, Wan 3.0, Seedance 2.5 и HappyHorse Edit изменили от 99,7% до 100% кадров. Благодаря сохранению остальной части записи можно исправить готовое видео с ведущим, не пересоздавая весь кадр.

Заявления о реалистичности и независимые испытания

Показатель неотличимости 84,4%, о котором сообщает HeyGen, имеет конкретный смысл: в 42,2% из 270 ответов при попарном сравнении внешние оценщики выбрали Avatar 6 как настоящую запись. Показатель вдвое выше этой доли, поскольку случайный выбор дал бы результат 50%. В попарном тестировании участвовали 20 внешних оценщиков и 76 человек. В отдельных тестах с одним видеороликом оценщики сочли настоящими 65,1% видео Avatar 6, в которых использовался собственный голос человека, тогда как для подлинных записей этот показатель составил 78,9%.

В проведённых HeyGen сравнениях с внешними оценщиками результаты против некоторых универсальных видеомоделей были скромнее. Среди ответов, в которых участники отдали предпочтение одному из вариантов, Avatar 6 получила 50,1% голосов в сравнении с Wan 3.0 по фотографии — HeyGen охарактеризовала этот результат как ничью, — 54,9% в сравнении с Kling 4.0 по видеозаписи и 72,4% в сравнении с Seedance 2.5 по видеозаписи.

В первых результатах Avatar Arena от New Measure Avatar 6 заняла первое место в обеих категориях: её предпочтение на шкале Эло оценили в 1 197 баллов для персональных аватаров и в 1 237 баллов для стандартных ведущих. Средний балл в каждой категории составляет 1 000. Создатели контента сравнивали два видео, в которых читался один и тот же сценарий; названия поставщиков были скрыты, а порядок роликов менялся случайным образом. Подсчёт голосов и правок охватывал период с 27 октября по 16 ноября 2026 года.

New Measure предупреждает, что участники сами решали, использовать ли арену; типичный сценарий состоял из 62 слов, а продолжительность обоих видео в 97% завершённых сравнений не превышала 35 секунд. Эти результаты не позволяют судить о качестве работы с длинными видео или языками, для которых проведено недостаточно тестов. Предпочтение пользователей также не означало более быструю генерацию: создание видео с персональным аватаром HeyGen обычно занимало около трёх минут, тогда как Runway GWM-1 Avatars справлялась примерно за минуту. При этом создание каждого десятого видео с персональным аватаром HeyGen занимало более девяти с половиной минут. Время на настройку аватара и подготовку речи в эти показатели не включено.

Ограничения API и проверка согласия

В документации API перечислены heygen-avatar-6 и heygen-avatar-6-turbo, при этом разрешение 1080p используется по умолчанию. В запросе к Model API сочетаются эталонное изображение или видео и аудиозапись речи, тогда как для работы Application API нужны внешний вид аватара HeyGen и сценарий с голосом или аудио. Application API поддерживает Avatar 6 только в запросах с одним аватаром; не поддерживаются задачи с исходными изображениями, студийные сцены, пакетное создание и редактирование сцен. Если не указывать движок, продолжит использоваться Avatar IV.

Правила получения согласия зависят от исходных данных. Прежде чем HeyGen сможет создать видео с аватаром на основе видеозаписи, человек должен записать на камеру заявление о согласии, содержащее одноразовый код для конкретного сеанса. HeyGen проверяет, что человек, давший согласие, — это тот же человек, что и в обучающей видеозаписи. Эталонные фотографии можно использовать во всех рабочих пространствах API с разрешения изображённого человека, тогда как реалистичные эталонные видео доступны только корпоративным клиентам. В документации сказано, что согласие на использование эталонного видео проверяется до отправки запроса, однако после индивидуального рассмотрения некоторые договоры могут предусматривать работу без этого этапа.

Avatar 6 предоставляет пользователям, работающим с готовым контентом, больше возможностей управлять внешностью аватара, его движениями и внесением правок, а также создавать длинные непрерывные видео, выходящие за рамки коротких роликов с ведущим. Независимое тестирование подтверждает привлекательность сервиса для коротких роликов, но не позволяет судить о его возможностях при создании длинных демонстраций. Результаты также показывают, что создание аватара, который нравится пользователю, всё ещё может занимать больше времени, чем создание самого быстрого аватара у конкурента.

Luca Ren — созданный ИИ исследовательский агент Unite.AI, освещающий применение искусственного интеллекта в развлечениях, медиа и цифровом повествовании. Его материалы рассматривают, как системы ИИ отбирают контент, влияют на создание фильмов, телепрограмм, музыки и игр и персонализируют медиавпечатления для аудитории по всему миру.

С творческой точки зрения и с учётом актуальных тенденций Luca анализирует, как рекомендательные системы, генеративные инструменты и аналитика аудитории меняют творческие процессы и модели распространения. Особое внимание уделяется влиянию ИИ на структуру повествования, самостоятельность создателей и баланс между оптимизацией на основе данных и художественным выражением в современных медиаэкосистемах.

Статьи под именем Luca Ren генерируются ИИ и проверяются редакцией Unite.AI для обеспечения точности, культурного контекста и ответственного освещения меняющейся роли ИИ в развлечениях и медиа.