![]()
HeyGen Avatar 6 API er PoYos første HeyGen-model, så der er ingen forgænger at migrere fra. Den nærmeste model, der allerede findes på PoYo, er Kling Avatar 2.0: begge tager ét billede plus en styrende lydfil på 2–60 sekunder og returnerer en læbesynkroniseret talende video via det samme submit-endpoint. Denne sammenligning stiller heygen-avatar-6 / heygen-avatar-6-turbo op ved siden af kling-avatar-2.0/standard / kling-avatar-2.0/pro, felt for felt, ud fra begge PoYo-dokumentationssider som kontrolleret 18. november 2026. HeyGen-siden findes også på HeyGen Avatar 6-modelsiden.
Samme endpoint, forskellige input
Begge modeller bruger POST https://api.poyo.ai/api/generate/submit med model, en valgfri callback_url på øverste niveau og et input-objekt, og begge returnerer et task_id, som du poller på GET /api/generate/status/{task_id}. Forskellen er, hvad input accepterer.
| Felt | HeyGen Avatar 6 (begge niveauer) | Kling Avatar 2.0 (begge niveauer) |
|---|---|---|
image_urls | Præcis ét; påkrævet i foto-tilstand, valgfrit i referencevideo-tilstand | Præcis ét; påkrævet |
audio_url | 2–60 s, op til 15 MB; påkrævet undtagen med text | 2–60 s; op til 5 MB, når størrelsen kan registreres; påkrævet |
prompt | Valgfri, op til 1,200 tegn (gestik, mimik, kropsholdning) | Valgfri, op til 5,000 tegn |
video_url | Referencevideo-tilstand: animeret eller tegnet figur, mindst 2 s, op til 50 MB | Ikke tilgængelig |
avatar | Offentlig avatar-tilstand: 1,248 HeyGen-looks | Ikke tilgængelig |
text + voice | Offentlig avatar-tilstand: op til 1,000 tegn, 102 stemmer | Ikke tilgængelig |
aspect_ratio | Offentlig avatar-tilstand: 16:9, 9:16, 1:1, 4:5, 5:4 | Ikke dokumenteret |
resolution | 1080p (standard) eller 2K | Ikke dokumenteret |
Overlappet er foto plus lyd. Alt det, HeyGen tilføjer (tekstinput, stock-præsentatorer, figurklip, et valg af opløsning), har ingen modpart i PoYos skema for Kling Avatar 2.0.
Grænser side om side
| Grænse | HeyGen Avatar 6 | Kling Avatar 2.0 |
|---|---|---|
| Længde på styrende lyd | 2–60 s | 2–60 s |
| Størrelse på styrende lyd | Op til 15 MB | Op til 5 MB (når den kan registreres) |
| Tale uden lydfil | Ja, text op til 1,000 tegn | Nej |
| Antal referencebilleder | 1 | 1 |
| Valg af outputopløsning | 1080p eller 2K | Intet felt i PoYos skema |
| Promptlængde | 1,200 tegn | 5,000 tegn |
| Modelniveauer | heygen-avatar-6, heygen-avatar-6-turbo | kling-avatar-2.0/standard, kling-avatar-2.0/pro |
To grænser fanger folk, der skifter mellem de to. Klings lydgrænse på 5 MB er en tredjedel af HeyGens, så en WAV på 60 sekunder, der virker på HeyGen, kan blive afvist på Kling; komprimér til MP3, hvis du router begge veje. HeyGens prompt på 1,200 tegn er kortere end Klings 5,000, så lange Kling-prompts skal forkortes.
Pris for samme klip
Begge afregnes pr. sekund (1 credit = $0.005). For HeyGen afregnes lydrequests efter lydens længde, rundet op til hele sekunder.
| Model | Sats pr. sekund | Klip på 10 s | Klip på 30 s | Klip på 60 s |
|---|---|---|---|---|
kling-avatar-2.0/standard | 7 credits ($0.035) | 70 credits ($0.35) | 210 credits ($1.05) | 420 credits ($2.10) |
heygen-avatar-6-turbo 1080p | 10 credits ($0.05) | 100 credits ($0.50) | 300 credits ($1.50) | 600 credits ($3.00) |
kling-avatar-2.0/pro | 14 credits ($0.07) | 140 credits ($0.70) | 420 credits ($2.10) | 840 credits ($4.20) |
heygen-avatar-6-turbo 2K | 18 credits ($0.09) | 180 credits ($0.90) | 540 credits ($2.70) | 1,080 credits ($5.40) |
heygen-avatar-6 1080p | 20 credits ($0.10) | 200 credits ($1.00) | 600 credits ($3.00) | 1,200 credits ($6.00) |
heygen-avatar-6 2K | 29 credits ($0.145) | 290 credits ($1.45) | 870 credits ($4.35) | 1,740 credits ($8.70) |
Turbo i 1080p (10 credits pr. sekund) ligger mellem Kling Standard og Kling Pro. Turbo i 2K koster 18 credits pr. sekund, og på HeyGen-siden er outputopløsningen angivet. Fulde pristabeller og afregningsregler finder du i HeyGen Avatar 6 API-priser.
Hvad hvert API er til
Fakta ovenfor peger på en opdeling efter input, ikke efter "hvad der er bedst":
| Request | Route til |
|---|---|
| Foto + indspillet lyd, laveste pris pr. sekund | kling-avatar-2.0/standard |
| Foto + indspillet lyd, eksplicit 1080p eller 2K | heygen-avatar-6-turbo eller heygen-avatar-6 |
| Kun manuskript, ingen stemmeoptagelse | HeyGens offentlig avatar-tilstand (tekst til avatar) |
| Tegneseriefigur eller maskot ud fra et kort klip | HeyGens referencevideo-tilstand |
| Gestik knyttet til bestemte ord | HeyGens prompt; HeyGens rapport siger "Skriv handlingen ved siden af ordene. Avatar 6 udfører den præcis på stikordet" |
| Lang fri instruktionstekst | Kling, hvis prompt tillader 5,000 tegn |
| Lydfil mellem 5 og 15 MB | HeyGen |
Hvad angår kvalitet, offentliggør HeyGens tekniske rapport kun præferenceafstemninger mod HeyGens egne tidligere modeller (Avatar 6 Quality foretrukket frem for Avatar V af 69.7% af 879 stemmer). Vi har ikke kørt en test med samme input af HeyGen Avatar 6 mod Kling Avatar 2.0, så vi påstår intet om kvaliteten mellem dem. Hvis kvaliteten er afgørende, så send det samme foto og den samme lyd til begge, hvilket koster 70 + 100 = 170 credits ($0.85) for et par på 10 sekunder med Kling Standard og HeyGen Turbo 1080p.
Skift: JSON-diffen
En Kling Avatar 2.0-request kan overføres direkte til HeyGens foto-tilstand, fordi begge bruger image_urls (ét element), audio_url og prompt. Her er en Kling-request fra dokumentationen:
{
"model": "kling-avatar-2.0/standard",
"callback_url": "https://your-domain.com/callback",
"input": {
"image_urls": ["https://example.com/avatar.png"],
"audio_url": "https://example.com/voice.mp3",
"prompt": "A natural talking avatar facing the camera."
}
}
Og det samme job i HeyGen Avatar 6's foto-tilstand:
{
"model": "heygen-avatar-6",
"callback_url": "https://your-domain.com/callback",
"input": {
"image_urls": ["https://example.com/avatar.png"],
"audio_url": "https://example.com/voice.mp3",
"prompt": "A natural talking avatar facing the camera.",
"resolution": "1080p"
}
}
Hvad der ændres:
modelbliverheygen-avatar-6ellerheygen-avatar-6-turbo.- Tilføj eventuelt
resolution(1080psom standard, eller2K). - Afkort
prompttil 1,200 tegn, og omskriv den som instruktion til gestik, mimik og kropsholdning. - Størrelsesgrænsen for lyd stiger fra 5 MB til 15 MB; reglen om 2–60 s er den samme.
- Tilføj ikke
aspect_ratioi foto-tilstand. Videoen bevarer fotoets billedformat.
Status-endpointet, callback-formen og resultatet i files[].file_url er de samme, så din polling- og downloadkode ændres ikke. Den anden vej kan kun requests i foto-tilstand flyttes til Kling; tekst-, avatar- og referencevideo-requests har ingen Kling-modpart på PoYo.
Ofte stillede spørgsmål
Er HeyGen Avatar 6 API billigere end Kling Avatar 2.0?
Kling Avatar 2.0 har de lavere satser pr. sekund: Kling Standard koster 7 credits ($0.035), og Kling Pro koster 14 credits ($0.07). HeyGen Turbo koster 10 credits ($0.05) i 1080p og 18 credits ($0.09) i 2K.
Kan Kling Avatar 2.0 læse tekst op som HeyGen Avatar 6 API?
Ikke på PoYo. Kling Avatar 2.0 kræver audio_url. HeyGens offentlig avatar-tilstand tager text og en voice i stedet.
Bruger HeyGen Avatar 6 og Kling Avatar 2.0 samme requestformat?
Samme endpoint og samme ramme. I foto-tilstand overlapper input-felterne (image_urls, audio_url, prompt), så et skift handler mest om model-strengen.
Hvilken lydlængde accepterer begge API'er?
2–60 sekunder på begge. HeyGen tillader filer op til 15 MB; Kling op til 5 MB, når størrelsen kan registreres.
Hvilket API skal jeg bruge til en tegneseriemaskot?
HeyGen Avatar 6's referencevideo-tilstand, som er dokumenteret til animerede og tegnede figurer. Se HeyGen Avatar 6 API-guiden for request-body'en.