comparisons

HeyGen Avatar 6 API vs Kling Avatar 2.0 API: felter, grænser og pris pr. klip

Poyo.ai Team
7 min read
Share:

HeyGen Avatar 6 API vs Kling Avatar 2.0 API: requestfelter, grænser og pris pr. klip

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.

FeltHeyGen Avatar 6 (begge niveauer)Kling Avatar 2.0 (begge niveauer)
image_urlsPræcis ét; påkrævet i foto-tilstand, valgfrit i referencevideo-tilstandPræcis ét; påkrævet
audio_url2–60 s, op til 15 MB; påkrævet undtagen med text2–60 s; op til 5 MB, når størrelsen kan registreres; påkrævet
promptValgfri, op til 1,200 tegn (gestik, mimik, kropsholdning)Valgfri, op til 5,000 tegn
video_urlReferencevideo-tilstand: animeret eller tegnet figur, mindst 2 s, op til 50 MBIkke tilgængelig
avatarOffentlig avatar-tilstand: 1,248 HeyGen-looksIkke tilgængelig
text + voiceOffentlig avatar-tilstand: op til 1,000 tegn, 102 stemmerIkke tilgængelig
aspect_ratioOffentlig avatar-tilstand: 16:9, 9:16, 1:1, 4:5, 5:4Ikke dokumenteret
resolution1080p (standard) eller 2KIkke 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

GrænseHeyGen Avatar 6Kling Avatar 2.0
Længde på styrende lyd2–60 s2–60 s
Størrelse på styrende lydOp til 15 MBOp til 5 MB (når den kan registreres)
Tale uden lydfilJa, text op til 1,000 tegnNej
Antal referencebilleder11
Valg af outputopløsning1080p eller 2KIntet felt i PoYos skema
Promptlængde1,200 tegn5,000 tegn
Modelniveauerheygen-avatar-6, heygen-avatar-6-turbokling-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.

ModelSats pr. sekundKlip på 10 sKlip på 30 sKlip på 60 s
kling-avatar-2.0/standard7 credits ($0.035)70 credits ($0.35)210 credits ($1.05)420 credits ($2.10)
heygen-avatar-6-turbo 1080p10 credits ($0.05)100 credits ($0.50)300 credits ($1.50)600 credits ($3.00)
kling-avatar-2.0/pro14 credits ($0.07)140 credits ($0.70)420 credits ($2.10)840 credits ($4.20)
heygen-avatar-6-turbo 2K18 credits ($0.09)180 credits ($0.90)540 credits ($2.70)1,080 credits ($5.40)
heygen-avatar-6 1080p20 credits ($0.10)200 credits ($1.00)600 credits ($3.00)1,200 credits ($6.00)
heygen-avatar-6 2K29 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":

RequestRoute til
Foto + indspillet lyd, laveste pris pr. sekundkling-avatar-2.0/standard
Foto + indspillet lyd, eksplicit 1080p eller 2Kheygen-avatar-6-turbo eller heygen-avatar-6
Kun manuskript, ingen stemmeoptagelseHeyGens offentlig avatar-tilstand (tekst til avatar)
Tegneseriefigur eller maskot ud fra et kort klipHeyGens referencevideo-tilstand
Gestik knyttet til bestemte ordHeyGens prompt; HeyGens rapport siger "Skriv handlingen ved siden af ordene. Avatar 6 udfører den præcis på stikordet"
Lang fri instruktionstekstKling, hvis prompt tillader 5,000 tegn
Lydfil mellem 5 og 15 MBHeyGen

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:

  1. model bliver heygen-avatar-6 eller heygen-avatar-6-turbo.
  2. Tilføj eventuelt resolution (1080p som standard, eller 2K).
  3. Afkort prompt til 1,200 tegn, og omskriv den som instruktion til gestik, mimik og kropsholdning.
  4. Størrelsesgrænsen for lyd stiger fra 5 MB til 15 MB; reglen om 2–60 s er den samme.
  5. Tilføj ikke aspect_ratio i 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.

Share: