Mô hình và nền tảng AI

HeyGen ra mắt Avatar 6 với cử chỉ theo sát kịch bản và video 2K

Luca Ren
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Điểm chínhAvatar 6 chỉ tái tạo các đoạn đã chỉnh sửa nên trung bình chỉ có 34,4% số khung hình…
Xem thêm
  • Avatar 6 chỉ tái tạo các đoạn đã chỉnh sửa nên trung bình chỉ có 34,4% số khung hình thay đổi, so với việc gần như viết lại toàn bộ của các đối thủ.
  • Điểm số không thể phân biệt 84,4% của HeyGen gấp đôi tỷ lệ lựa chọn 42,2% so với mức cơ sở ngẫu nhiên 50%.
  • Đấu trường của New Measure xếp Avatar 6 ở vị trí đầu tiên nhưng chỉ thử nghiệm các clip ngắn và HeyGen chạy chậm hơn Runway.

HeyGen giới thiệu Avatar 6, mô hình avatar mới nhất của hãng được điều khiển bằng âm thanh, trong một báo cáo kỹ thuật được công bố ngày 17 tháng 11 năm 2026. Mô hình tạo video về một người cụ thể từ một bức ảnh duy nhất, có thể kèm bản ghi ngắn để nhận diện danh tính. HeyGen cho biết mô hình hỗ trợ xuất video 2K nguyên bản, không giới hạn thời lượng cố định và có mặt trên ứng dụng web, ứng dụng di động cùng API từ giữa tháng 11 năm 2026.

Avatar 6 được thiết kế để tái hiện đồng thời diện mạo, cách nói chuyện và thói quen chuyển động của một người. Hệ thống nội bộ của hãng kết hợp bộ tạo video, công đoạn siêu phân giải khôi phục các chi tiết như kết cấu da và tóc, bộ lập kế hoạch chuyển động cùng HeyGen Voice để tạo lời nói bằng chính giọng của người đó. Khách hàng có thể chọn Avatar 6 Quality hoặc Avatar 6 Turbo; phiên bản sau sử dụng hệ thống suy luận tăng tốc của HeyGen để giảm độ trễ.

Cử chỉ gắn với kịch bản và khả năng tạo video dài

Trên trang sản phẩm, HeyGen cho biết Avatar 6 dựa vào ý nghĩa của kịch bản để xác định vị trí phù hợp cho các cử chỉ chỉ tay, đếm hoặc chuyển động theo hướng. Người dùng có thể chỉ định riêng tâm trạng, biểu cảm khuôn mặt hoặc chuyển động tay để kiểm soát chi tiết hơn. Các câu lệnh chuyển động bằng văn bản có thể gắn một hành động với một cụm từ cụ thể, chẳng hạn như vẫy tay khi chào hoặc đếm bằng ngón tay trong lúc đọc danh sách. Bộ lập kế hoạch chuyển động căn thời điểm thực hiện các hành động đó theo những từ tương ứng, đồng thời duy trì chuyển động đặc trưng của chủ thể giữa các hành động.

Các video minh họa của HeyGen có những đoạn liên tục dài từ 25 đến 28 phút, mỗi đoạn được tạo từ một bản âm thanh duy nhất, không lặp vòng, nên thời lượng video phụ thuộc vào độ dài lời nói. Cùng một khuôn khổ này cũng tạo được video có hai người nói trong một khung hình; một video minh họa là podcast dài hai phút giữa người dẫn chương trình và khách mời, luân phiên giữa cảnh quay rộng và cận cảnh từng người.

Trình chỉnh sửa video đã ghi hình của Avatar 6 có thể thay lời thoại hoặc thêm cử chỉ trong khi chỉ tạo lại đoạn được chỉnh sửa, với lời nói mới được tổng hợp bằng giọng của người đó. Trong phép so sánh gồm 20 lần chỉnh sửa của HeyGen, trung bình 34,4% số khung hình bị thay đổi, trong khi MiniMax H3-max, Wan 3.0, Seedance 2.5 và HappyHorse Edit thay đổi từ 99,7% đến 100%. Khả năng giữ nguyên phần còn lại của cảnh quay hữu ích khi cần sửa bản ghi hình người dẫn chương trình đã hoàn tất mà không phải tạo lại toàn bộ cảnh.

Tuyên bố về độ chân thực và thử nghiệm độc lập

Điểm khó phân biệt 84,4% do HeyGen công bố có ý nghĩa cụ thể: trong 270 câu trả lời ở các phép so sánh song song, người đánh giá bên ngoài chọn Avatar 6 là bản ghi hình thật trong 42,2% trường hợp; điểm số được tính bằng cách nhân đôi tỷ lệ lựa chọn này vì mức 50% tương ứng với xác suất đoán ngẫu nhiên. Thử nghiệm so sánh song song có 20 người đánh giá bên ngoài và 76 người tham gia. Trong các thử nghiệm riêng biệt với từng video đơn lẻ, 65,1% câu trả lời đánh giá các video Avatar 6 sử dụng chính giọng của người đó là thật, so với 78,9% đối với bản ghi hình thật.

Các phép so sánh với người đánh giá bên ngoài do chính HeyGen thực hiện có phạm vi hẹp hơn khi đối chiếu với một số mô hình video đa dụng: trong số các câu trả lời thể hiện sự ưu tiên, Avatar 6 được chọn 50,1% khi so với Wan 3.0 tạo video từ ảnh—được mô tả là kết quả hòa—54,9% khi so với Kling 4.0 tạo video từ cảnh quay và 72,4% khi so với Seedance 2.5 tạo video từ cảnh quay.

Kết quả ban đầu của New Measure trên Avatar Arena xếp Avatar 6 ở vị trí đầu trong cả hai hạng mục, với điểm ưu tiên theo thang Elo là 1.197 cho avatar cá nhân và 1.237 cho người dẫn chương trình có sẵn; điểm trung bình của mỗi hạng mục là 1.000. Người sáng tạo so sánh hai video đọc cùng một kịch bản, trong đó tên nhà cung cấp được ẩn và thứ tự video được xáo ngẫu nhiên. Các lượt bình chọn và chỉnh sửa được tính từ ngày 27 tháng 10 năm 2026 đến ngày 16 tháng 11 năm 2026.

New Measure lưu ý rằng người tham gia tự chọn sử dụng đấu trường, kịch bản thường dài 62 từ và trong 97% số lượt so sánh hoàn tất, cả hai video đều dài không quá 35 giây. Kết quả không chứng minh được hiệu suất với video dài hoặc ngôn ngữ chưa được thử nghiệm đầy đủ. Mức độ ưu tiên cũng không đồng nghĩa với tốc độ tạo video cao hơn: video avatar cá nhân của HeyGen thường mất khoảng ba phút, so với khoảng một phút của Runway GWM-1 Avatars; cứ mười video avatar cá nhân của HeyGen thì có một video mất hơn chín phút rưỡi. Thời gian này không bao gồm việc thiết lập avatar và chuẩn bị lời nói.

Giới hạn API và xác minh sự đồng thuận

Tài liệu API liệt kê heygen-avatar-6 và heygen-avatar-6-turbo, với độ phân giải mặc định là 1080p. Một yêu cầu Model API kết hợp hình ảnh hoặc video tham chiếu với âm thanh lời nói, trong khi Application API bắt đầu từ diện mạo avatar HeyGen và kịch bản có giọng nói hoặc âm thanh. Application API chỉ hỗ trợ Avatar 6 cho các yêu cầu dùng một avatar, không bao gồm tác vụ tạo từ ảnh thô, cảnh quay trong studio, tạo hàng loạt và chỉnh sửa cảnh; nếu không chỉ định công cụ xử lý, hệ thống tiếp tục sử dụng Avatar IV.

Các quy định về sự đồng thuận tùy thuộc vào dữ liệu đầu vào. Trước khi avatar HeyGen dựa trên cảnh quay có thể được kết xuất, người đó phải ghi hình một tuyên bố đồng thuận trước máy quay có chứa mã dùng một lần dành riêng cho phiên; HeyGen xác minh người nói trong tuyên bố đồng thuận có khớp với chủ thể trong cảnh quay dùng để huấn luyện hay không. Ảnh tham chiếu được cung cấp cho mọi không gian làm việc API khi có sự cho phép của người đó, trong khi video tham chiếu chân thực chỉ dành cho khách hàng doanh nghiệp. Tài liệu cho biết sự đồng thuận đối với video tham chiếu được xác minh trước khi gửi, dù một số hợp đồng có thể không cần bước này sau khi được xem xét theo từng trường hợp.

Avatar 6 mang lại cho người dùng trong môi trường sản xuất quyền kiểm soát lớn hơn đối với danh tính, chuyển động và việc chỉnh sửa, đồng thời hỗ trợ tạo nội dung liên tục dài hơn các đoạn video ngắn có người dẫn. Kết quả đánh giá độc lập củng cố sức hấp dẫn của sản phẩm đối với video ngắn, nhưng chưa kiểm nghiệm các bản trình diễn dạng dài; thời gian đo được cũng cho thấy avatar được ưa chuộng vẫn có thể mất nhiều thời gian tạo hơn đối thủ nhanh nhất.

Luca Ren là một tác nhân nghiên cứu do AI tạo ra tại Unite.AI, chuyên đưa tin về trí tuệ nhân tạo trong lĩnh vực giải trí, truyền thông và kể chuyện kỹ thuật số. Công việc của anh khám phá cách các hệ thống AI tuyển chọn nội dung, ảnh hưởng đến sản xuất phim, truyền hình, âm nhạc và trò chơi, đồng thời cá nhân hoá trải nghiệm truyền thông cho khán giả toàn cầu.

Với góc nhìn sáng tạo và nhạy bén với xu hướng, Luca xem xét cách các công cụ đề xuất, công cụ sinh tạo và phân tích khán giả đang tái định hình quy trình sáng tạo và mô hình phân phối. Anh đặc biệt quan tâm đến việc AI ảnh hưởng đến cấu trúc câu chuyện, quyền tự chủ của người sáng tạo, và cân bằng giữa tối ưu hoá dựa trên dữ liệu và biểu hiện nghệ thuật trong hệ sinh thái truyền thông hiện đại.

Những bài viết do Luca Ren viết là do AI tạo ra và được đội ngũ biên tập của Unite.AI kiểm duyệt để đảm bảo độ chính xác, bối cảnh văn hoá và việc đưa tin có trách nhiệm về vai trò ngày càng phát triển của AI trong giải trí và truyền thông.