โมเดลและแพลตฟอร์ม AI

HeyGen เปิดตัว Avatar 6 พร้อมท่าทางที่สอดคล้องกับบทพูดและวิดีโอความละเอียด 2K

Luca Ren
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญAvatar 6 สร้างใหม่เฉพาะช่วงที่ถูกแก้ไขเท่านั้น ดังนั้นโดยเฉลี่ยแล้วมี 34.4%…
ดูเพิ่มเติม
  • Avatar 6 สร้างใหม่เฉพาะช่วงที่ถูกแก้ไขเท่านั้น ดังนั้นโดยเฉลี่ยแล้วมี 34.4% ของเฟรมที่เปลี่ยนแปลง เทียบกับการเขียนใหม่เกือบทั้งหมดของคู่แข่ง
  • คะแนนความแยกไม่ออกของ HeyGen ที่ 84.4% เป็นสองเท่าของอัตราการเลือกที่ 42.2% เทียบกับเกณฑ์พื้นฐานโอกาสสุ่มที่ 50%
  • อารีนาของ New Measure จัดอันดับให้ Avatar 6 เป็นที่หนึ่ง แต่ทดสอบเพียงคลิปสั้น และ HeyGen ทำงานช้ากว่า Runway

HeyGen เปิดตัว Avatar 6 ซึ่งเป็นโมเดลอวตารขับเคลื่อนด้วยเสียงรุ่นล่าสุดของบริษัท ในรายงานทางเทคนิคที่เผยแพร่เมื่อวันที่ 17 พฤศจิกายน 2026 โมเดลนี้สร้างวิดีโอของบุคคลหนึ่งจากภาพถ่ายเพียงภาพเดียว โดยเลือกเพิ่มคลิปบันทึกตัวตนสั้น ๆ ได้ และ HeyGen ระบุว่ารองรับการสร้างวิดีโอความละเอียด 2K โดยตรง ไม่มีข้อจำกัดด้านความยาวตายตัว และเปิดให้ใช้งานผ่านเว็บแอป แอปมือถือ และ API ตั้งแต่กลางเดือนพฤศจิกายน 2026

Avatar 6 ออกแบบมาเพื่อสร้างรูปลักษณ์ วิธีพูด และลักษณะการเคลื่อนไหวของบุคคลให้สอดคล้องกัน ระบบที่พัฒนาขึ้นภายในบริษัทประกอบด้วยตัวสร้างวิดีโอ ขั้นตอนเพิ่มความละเอียดที่ช่วยคืนรายละเอียดต่าง ๆ เช่น พื้นผิวผิวหนังและเส้นผม ตัววางแผนการเคลื่อนไหว และ HeyGen Voice สำหรับสร้างเสียงพูดด้วยเสียงของผู้พูดเอง ลูกค้าสามารถเลือก Avatar 6 Quality หรือ Avatar 6 Turbo โดยรุ่นหลังใช้ชุดระบบอนุมานแบบเร่งความเร็วของ HeyGen เพื่อลดเวลาแฝง

ท่าทางที่เชื่อมโยงกับบทพูดและการสร้างวิดีโอรูปแบบยาว

ในหน้าผลิตภัณฑ์ HeyGen ระบุว่า Avatar 6 ใช้ความหมายของบทพูดเพื่อกำหนดว่าควรแทรกท่าชี้ การนับ หรือการเคลื่อนไหวไปในทิศทางต่าง ๆ ตรงจุดใด ผู้ใช้ยังระบุอารมณ์ สีหน้า หรือการเคลื่อนไหวของมือแยกกันได้ เพื่อควบคุมผลลัพธ์อย่างละเอียดขึ้น ผู้ใช้สามารถเขียนพรอมต์กำกับการเคลื่อนไหวเพื่อผูกการกระทำเข้ากับวลีเฉพาะ เช่น โบกมือระหว่างกล่าวทักทาย หรือนับนิ้วประกอบรายการต่าง ๆ ตัววางแผนการเคลื่อนไหวจะจัดจังหวะการกระทำเหล่านั้นให้ตรงกับคำที่เกี่ยวข้อง พร้อมรักษาลักษณะการเคลื่อนไหวอันเป็นเอกลักษณ์ของบุคคลนั้นในช่วงระหว่างท่าทางไว้

วิดีโอตัวอย่างของ HeyGen มีคลิปต่อเนื่องยาว 25 ถึง 28 นาที โดยแต่ละคลิปสร้างจากแทร็กเสียงเดียวโดยไม่มีการวนซ้ำ ดังนั้นระยะเวลาของวิดีโอจึงเป็นไปตามความยาวของเสียงพูด กรอบการทำงานเดียวกันยังสร้างวิดีโอที่มีผู้พูดสองคนอยู่ในเฟรมเดียวได้ด้วย ตัวอย่างหนึ่งเป็นพอดแคสต์พิธีกรกับแขกรับเชิญความยาวสองนาที ซึ่งสลับระหว่างภาพมุมกว้างกับภาพระยะใกล้ของแต่ละคน

เครื่องมือตัดต่อวิดีโอที่บันทึกไว้ของ Avatar 6 สามารถแทนที่คำหรือเพิ่มท่าทางได้ โดยสร้างเฉพาะช่วงที่แก้ไขขึ้นใหม่ และสังเคราะห์เสียงพูดใหม่ด้วยเสียงของบุคคลนั้น ในการเปรียบเทียบการแก้ไข 20 ครั้งของ HeyGen มีเฟรมเปลี่ยนแปลงโดยเฉลี่ย 34.4% ขณะที่ MiniMax H3-max, Wan 3.0, Seedance 2.5 และ HappyHorse Edit เปลี่ยนแปลงเฟรม 99.7% ถึง 100% การคงส่วนอื่นของคลิปไว้เช่นนี้มีประโยชน์เมื่อต้องแก้ไขวิดีโอผู้บรรยายที่เสร็จแล้ว โดยไม่ต้องสร้างภาพทั้งช็อตขึ้นใหม่

คำกล่าวอ้างด้านความสมจริงและการทดสอบอิสระ

คะแนนความแยกไม่ออก 84.4% ที่ HeyGen รายงานมีความหมายเฉพาะเจาะจง กล่าวคือ ผู้ประเมินจากภายนอกเลือก Avatar 6 ว่าเป็นภาพบันทึกจริงใน 42.2% ของคำตอบจากการเปรียบเทียบวิดีโอแบบเคียงข้างกัน 270 ครั้ง และคะแนนดังกล่าวคำนวณโดยนำอัตราการเลือกนั้นคูณสอง เพราะหากเดาสุ่ม โอกาสเลือกแต่ละฝั่งจะอยู่ที่ 50% การทดสอบแบบเคียงข้างกันนี้มีผู้ประเมินจากภายนอก 20 คน และผู้เข้าร่วม 76 คน ในการทดสอบคลิปเดี่ยวแยกต่างหาก ผู้ตอบ 65.1% ตัดสินว่าคลิป Avatar 6 ที่ใช้เสียงของบุคคลนั้นเองเป็นคลิปจริง เทียบกับ 78.9% สำหรับคลิปบันทึกจริง

การเปรียบเทียบของ HeyGen เองที่ใช้ผู้ประเมินจากภายนอกมีขอบเขตแคบกว่าเมื่อนำไปเทียบกับโมเดลวิดีโอทั่วไปบางรุ่น ในบรรดาคำตอบที่ระบุความชอบ Avatar 6 ได้รับเลือก 50.1% เมื่อเทียบกับ Wan 3.0 ที่สร้างจากภาพถ่าย ซึ่งระบุว่าเสมอกัน, 54.9% เมื่อเทียบกับ Kling 4.0 ที่สร้างจากวิดีโอ และ 72.4% เมื่อเทียบกับ Seedance 2.5 ที่สร้างจากวิดีโอ

ผลการจัดอันดับช่วงแรกของ Avatar 6 ใน Avatar Arena ของ New Measureทำให้ Avatar 6 อยู่ในอันดับหนึ่งทั้งสองหมวด โดยได้คะแนนความชอบตามมาตราส่วน Elo 1,197 คะแนนสำหรับอวตารส่วนบุคคล และ 1,237 คะแนนสำหรับผู้บรรยายสำเร็จรูป ค่าเฉลี่ยของแต่ละหมวดอยู่ที่ 1,000 คะแนน ครีเอเตอร์เปรียบเทียบวิดีโอสองคลิปที่อ่านบทพูดเดียวกัน โดยซ่อนชื่อผู้ให้บริการและสุ่มลำดับวิดีโอ การลงคะแนนและการแก้ไขที่นำมานับครอบคลุมช่วงตั้งแต่วันที่ 27 ตุลาคม 2026 ถึงวันที่ 16 พฤศจิกายน 2026

New Measure เตือนว่าผู้เข้าร่วมเลือกเข้ามาใช้ Arena เอง บทพูดที่ใช้โดยทั่วไปมี 62 คำ และวิดีโอทั้งสองคลิปมีความยาวไม่เกิน 35 วินาทีใน 97% ของการเปรียบเทียบที่เสร็จสมบูรณ์ ผลลัพธ์เหล่านี้ไม่ได้ยืนยันประสิทธิภาพกับวิดีโอขนาดยาวหรือภาษาที่มีการทดสอบไม่เพียงพอ ความชอบที่ผู้ใช้ระบุยังไม่ได้หมายความว่าจะสร้างวิดีโอได้เร็วกว่า โดยทั่วไปวิดีโออวตารส่วนบุคคลของ HeyGen ใช้เวลาประมาณสามนาที เทียบกับประมาณหนึ่งนาทีสำหรับ Runway GWM-1 Avatars และวิดีโออวตารส่วนบุคคลของ HeyGen หนึ่งในสิบใช้เวลามากกว่าเก้านาทีครึ่ง ระยะเวลาดังกล่าวไม่รวมการตั้งค่าอวตารและการเตรียมเสียงพูด

ข้อจำกัดของ API และการตรวจสอบความยินยอม

เอกสารประกอบ API ระบุ heygen-avatar-6 และ heygen-avatar-6-turbo, โดยกำหนดความละเอียดเริ่มต้นไว้ที่ 1080p คำขอ Model API ใช้ภาพหรือวิดีโออ้างอิงร่วมกับเสียงพูด ส่วน Application API เริ่มจากรูปลักษณ์ของอวตาร HeyGen และบทพูดที่กำหนดเสียงหรือไฟล์เสียงไว้ Application API รองรับ Avatar 6 เฉพาะคำขอที่ใช้อวตารตัวเดียว โดยไม่รวมงานที่ใช้ภาพดิบ ฉากสตูดิโอ การสร้างเป็นชุด และการตัดต่อฉาก หากไม่ระบุการเลือกเอนจิน ระบบจะยังคงใช้ Avatar IV

ข้อกำหนดเรื่องความยินยอมขึ้นอยู่กับข้อมูลนำเข้า ก่อนที่อวตาร HeyGen ซึ่งสร้างจากวิดีโอจะเรนเดอร์ได้ บุคคลนั้นต้องบันทึกคำแถลงยินยอมหน้ากล้อง ซึ่งมีรหัสใช้ครั้งเดียวเฉพาะเซสชัน และ HeyGen จะตรวจสอบว่าผู้กล่าวยินยอมเป็นบุคคลเดียวกับผู้ที่ปรากฏในวิดีโอฝึกสอนหรือไม่ ผู้ใช้ API ทุกเวิร์กสเปซสามารถใช้ภาพถ่ายอ้างอิงได้เมื่อได้รับอนุญาตจากบุคคลนั้น ส่วนวิดีโออ้างอิงที่สมจริงมีให้ใช้เฉพาะลูกค้าองค์กร เอกสารระบุว่ามีการตรวจสอบความยินยอมสำหรับวิดีโออ้างอิงก่อนส่งคำขอ อย่างไรก็ตาม สัญญาบางฉบับอาจอนุญาตให้ดำเนินการได้โดยไม่ต้องผ่านขั้นตอนดังกล่าว หลังจากตรวจสอบเป็นรายกรณีแล้ว

Avatar 6 ช่วยให้ผู้ใช้ในงานโปรดักชันควบคุมอัตลักษณ์ การเคลื่อนไหว และการแก้ไขงานได้มากขึ้น พร้อมรองรับการสร้างวิดีโอต่อเนื่องที่ยาวเกินกว่าคลิปสั้นสำหรับผู้บรรยาย ผลการทดสอบจากสนามทดสอบอิสระยืนยันจุดเด่นด้านคลิปสั้น แต่ยังไม่ได้ทดสอบการสาธิตรูปแบบยาว ขณะที่ผลด้านระยะเวลายังแสดงให้เห็นว่าอวตารที่ต้องการอาจใช้เวลาสร้างนานกว่าคู่แข่งที่เร็วที่สุด

Luca Ren เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI ครอบคลุมปัญญาประดิษฐ์ในด้านบันเทิง สื่อ และการเล่าเรื่องดิจิทัล งานของเขาศึกษาว่า ระบบ AI ทำหน้าที่คัดสรรเนื้อหาอย่างไร มีอิทธิพลต่อการผลิตภาพยนตร์ โทรทัศน์ ดนตรี และเกมอย่างไร และทำให้ประสบการณ์สื่อเป็นส่วนบุคคลสำหรับผู้ชมทั่วโลก

ด้วยมุมมองที่สร้างสรรค์และตระหนักถึงแนวโน้ม Luca วิเคราะห์ว่า เครื่องมือแนะนำ การสร้างสรรค์ด้วย AI และการวิเคราะห์ผู้ชมกำลังเปลี่ยนแปลงกระบวนการทำงานเชิงสร้างสรรค์และโมเดลการกระจายอย่างไร เขาสนใจเป็นพิเศษว่าปัญญาประดิษฐ์มีผลต่อโครงสร้างเรื่องราว ความอิสระของผู้สร้าง และสมดุลระหว่างการเพิ่มประสิทธิภาพด้วยข้อมูลและการแสดงออกทางศิลปะในระบบนิเวศสื่อสมัยใหม่อย่างไร

บทความที่เขียนโดย Luca Ren ถูกสร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำ บริบททางวัฒนธรรม และการครอบคลุมอย่างรับผิดชอบต่อบทบาทที่กำลังพัฒนาของ AI ในวงการบันเทิงและสื่อ