AI-modeller och plattformar
HeyGen lanserar Avatar 6 med manusstyrda gester och 2K-video

Viktiga punkterAvatar 6 regenererar endast redigerade avsnitt så att 34,4 % av bildrutorna ändrades i…
Visa mer
- Avatar 6 regenererar endast redigerade avsnitt så att 34,4 % av bildrutorna ändrades i genomsnitt jämfört med nästan totala omskrivningar av konkurrenter.
- HeyGens osärskiljbarhetspoäng på 84,4 % är dubbelt så hög som en urvalsfrekvens på 42,2 % mot en baslinje på 50 % chans.
- New Measures arena rankade Avatar 6 först men testade endast korta klipp och HeyGen körde långsammare än Runway.
HeyGen presenterade Avatar 6, sin senaste ljuddrivna avatarmodell, i en teknisk rapport som publicerades den 17 november 2026. Modellen skapar en video av en specifik person utifrån ett enda fotografi, med möjlighet att lägga till en kort inspelning för att fånga personens identitet. HeyGen uppger att modellen ger inbyggd 2K-upplösning, saknar en fast tidsgräns och har varit tillgänglig i företagets webbapp, mobilapp och API sedan mitten av november 2026.
Avatar 6 är utformad för att samtidigt återskapa en persons utseende, sätt att tala och rörelsevanor. HeyGens egenutvecklade system kombinerar generatorn med ett superupplösningssteg som återställer detaljer som hudstruktur och hår, en rörelseplanerare och HeyGen Voice, som skapar tal med talarens egen röst. Kunder kan välja Avatar 6 Quality eller Avatar 6 Turbo. Den senare använder HeyGens accelererade inferensstack för kortare svarstid.
Manusbundna gester och långa videor
På produktsidan uppger HeyGen att Avatar 6 använder manusets innebörd för att avgöra var det passar med pekgester, räkning eller riktningsstyrda rörelser. Användare kan även ange stämning, ansiktsuttryck eller handrörelser separat för att få mer finjusterad kontroll. Skriftliga rörelseinstruktioner kan knyta en handling till en viss fras, till exempel att vinka under en hälsning eller räkna på fingrarna medan en lista gås igenom. Rörelseplaneraren synkroniserar handlingarna med de relevanta orden och bevarar samtidigt personens karaktäristiska rörelser däremellan.
I HeyGens demonstrationer ingår oavbrutna videor på 25 till 28 minuter, som alla har skapats utifrån ett enda ljudspår utan loopar, så videons längd följer talets längd. Samma system kan också visa två talare i samma bildruta. En demonstration är en två minuter lång podcast med en programledare och en gäst, där breda bilder varvas med närbilder på var och en.
Avatar 6:s redigeringsverktyg för inspelad video kan byta ut ord eller lägga till en gest och samtidigt generera om endast det redigerade avsnittet, med nytt tal syntetiserat i personens röst. I HeyGens jämförelse med 20 redigeringar ändrades i genomsnitt 34,4 % av bildrutorna, medan MiniMax H3-max, Wan 3.0, Seedance 2.5 och HappyHorse Edit ändrade mellan 99,7 % och 100 %. Att resten av inspelningen bevaras är användbart när en färdig presentation ska korrigeras utan att hela klippet behöver skapas på nytt.
Påståenden om realism och oberoende tester
HeyGens rapporterade resultat på 84,4 % för hur svårt det var att skilja klippet från en verklig inspelning har en specifik innebörd: externa bedömare valde Avatar 6 som den verkliga inspelningen i 42,2 % av 270 svar i jämförelser sida vid sida. Resultatet är dubbelt så högt som andelen sådana val, eftersom 50 % skulle motsvara slumpen. Jämförelsen sida vid sida omfattade 20 externa bedömare och 76 personer. I separata tester med ett enda klipp bedömdes klipp från Avatar 6, där personens egen röst användes, som verkliga i 65,1 % av svaren, jämfört med 78,9 % för äkta inspelningar.
HeyGens egna jämförelser med externa bedömare var mer begränsade mot vissa generella videomodeller. Bland svaren där en modell föredrogs vann Avatar 6 i 50,1 % av jämförelserna med Wan 3.0 utifrån ett fotografi, vilket beskrevs som oavgjort, i 54,9 % av jämförelserna med Kling 4.0 utifrån videomaterial och i 72,4 % av jämförelserna med Seedance 2.5 utifrån videomaterial.
New Measures tidiga resultat från Avatar Arena placerade Avatar 6 på första plats i båda kategorierna, med preferenspoäng på Elo-skalan på 1 197 för personliga avatarer och 1 237 för standardpresentatörer. Genomsnittspoängen är 1 000 i båda kategorierna. Kreatörer jämförde två videor där samma manus lästes upp, medan leverantörernas namn doldes och videornas ordning slumpades. De röster och redigeringar som räknades in gjordes mellan den 27 oktober 2026 och den 16 november 2026.
New Measure påpekar att deltagarna själva valde att använda arenan, att manuset i typfallet bestod av 62 ord och att båda videorna var högst 35 sekunder långa i 97 % av de slutförda jämförelserna. Resultaten visar inte hur modellerna presterar på långa videor eller på språk som inte har testats tillräckligt. Att Avatar 6 föredrogs innebar inte heller att videorna levererades snabbare: videor med HeyGen-personliga avatarer tog vanligtvis omkring tre minuter, jämfört med omkring en minut för Runway GWM-1 Avatars, och en av tio videor med HeyGen-personliga avatarer tog mer än nio och en halv minut. Tiderna omfattar inte konfigurering av avatarer eller förberedelse av tal.
API-begränsningar och samtyckeskontroller
I API-dokumentationen listas heygen-avatar-6 och heygen-avatar-6-turbo, med 1080p som standardupplösning. En Model API-begäran kombinerar en referensbild eller -video med talat ljud, medan Application API utgår från en HeyGen-avatar och ett manus med röst eller ljud. Application API stöder Avatar 6 endast för begäranden med en enda avatar. Råbildsjobb, studioscener, batchskapande och scenredigering stöds inte. Om motorvalet utelämnas används fortfarande Avatar IV.
Samtyckesreglerna beror på vilket underlag som används. Innan en HeyGen-avatar baserad på videomaterial kan renderas måste personen spela in ett samtyckesuttalande framför kameran som innehåller en engångskod för den aktuella sessionen. HeyGen kontrollerar också att personen som lämnar samtycke är samma person som förekommer i träningsmaterialet. Fotoreferenser är tillgängliga för alla API-arbetsytor om personen har gett sitt tillstånd, medan realistiska videoreferenser endast är tillgängliga för företagskunder. I dokumentationen står det att samtycke till videoreferenser kontrolleras före inskickning, men att vissa avtal kan tillåta att detta steg utelämnas efter en individuell granskning.
Avatar 6 ger användare i produktionsmiljö större kontroll över identitet, rörelse och revideringar, med längre sammanhängande utdata än korta presentatörsklipp. Den oberoende jämförelsearenan bekräftar att lösningen är attraktiv för korta klipp, men lämnar demonstrationer i längre format oprövade; tidsmätningarna visar också att en avatar man föredrar fortfarande kan ta längre tid att skapa än den snabbaste konkurrentens.












