comparisons

HeyGen Avatar 6 API vs Kling Avatar 2.0 API: Felder, Limits und Preis pro Clip

Poyo.ai Team
7 min read
Share:

HeyGen Avatar 6 API vs Kling Avatar 2.0 API: Anfragefelder, Limits und Preis pro Clip

Die HeyGen Avatar 6 API ist PoYos erstes HeyGen-Modell, es gibt also keinen Vorgänger, von dem Sie migrieren müssten. Das nächstliegende Modell, das bereits auf PoYo läuft, ist Kling Avatar 2.0: Beide nehmen ein Bild plus eine steuernde Audiodatei von 2–60 Sekunden und liefern über denselben Submit-Endpunkt ein lippensynchrones, sprechendes Video. Dieser Vergleich stellt heygen-avatar-6 / heygen-avatar-6-turbo neben kling-avatar-2.0/standard / kling-avatar-2.0/pro, Feld für Feld, auf Basis beider PoYo-Dokumentationsseiten mit Stand vom 18. November 2026. Die HeyGen-Seite finden Sie auch auf der HeyGen Avatar 6 Modellseite.

Gleicher Endpunkt, unterschiedliche Eingaben

Beide Modelle nutzen POST https://api.poyo.ai/api/generate/submit mit model, einer optionalen callback_url auf oberster Ebene und einem input-Objekt, und beide liefern eine task_id, die Sie unter GET /api/generate/status/{task_id} pollen. Der Unterschied liegt darin, was input akzeptiert.

FeldHeyGen Avatar 6 (beide Stufen)Kling Avatar 2.0 (beide Stufen)
image_urlsGenau eins; Pflicht im Fotomodus, optional im Referenzvideo-ModusGenau eins; Pflicht
audio_url2–60 s, bis 15 MB; Pflicht, außer mit text2–60 s; bis 5 MB, wenn die Größe ermittelt werden kann; Pflicht
promptOptional, bis 1,200 Zeichen (Gesten, Mimik, Haltung)Optional, bis 5,000 Zeichen
video_urlReferenzvideo-Modus: animierte oder gezeichnete Figur, mindestens 2 s, bis 50 MBNicht verfügbar
avatarPublic-Avatar-Modus: 1,248 HeyGen-LooksNicht verfügbar
text + voicePublic-Avatar-Modus: bis 1,000 Zeichen, 102 StimmenNicht verfügbar
aspect_ratioPublic-Avatar-Modus: 16:9, 9:16, 1:1, 4:5, 5:4Nicht dokumentiert
resolution1080p (Standard) oder 2KNicht dokumentiert

Die Schnittmenge ist Foto plus Audio. Alles, was HeyGen hinzufügt (Texteingabe, Stock-Moderatoren, Figurenclips, ein Auflösungsschalter), hat im Kling-Avatar-2.0-Schema von PoYo kein Gegenstück.

Limits im direkten Vergleich

LimitHeyGen Avatar 6Kling Avatar 2.0
Länge des steuernden Audios2–60 s2–60 s
Größe des steuernden AudiosBis 15 MBBis 5 MB (wenn ermittelbar)
Sprache ohne AudiodateiJa, text bis 1,000 ZeichenNein
Anzahl Referenzbilder11
Wahl der Ausgabeauflösung1080p oder 2KKein Feld im PoYo-Schema
Prompt-Länge1,200 Zeichen5,000 Zeichen
Modellstufenheygen-avatar-6, heygen-avatar-6-turbokling-avatar-2.0/standard, kling-avatar-2.0/pro

Zwei Limits erwischen Leute, die zwischen beiden wechseln. Klings Audio-Obergrenze von 5 MB ist ein Drittel von HeyGens, sodass eine 60-Sekunden-WAV, die bei HeyGen funktioniert, bei Kling abgelehnt werden kann; komprimieren Sie zu MP3, wenn Sie in beide Richtungen routen. HeyGens Prompt mit 1,200 Zeichen ist kürzer als Klings 5,000, lange Kling-Prompts müssen also gekürzt werden.

Preis pro gleichem Clip

Beide werden pro Sekunde abgerechnet (1 Credit = $0.005). Bei HeyGen werden Audioanfragen nach der auf ganze Sekunden aufgerundeten Audiolänge abgerechnet.

ModellTarif pro SekundeClip 10 sClip 30 sClip 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 in 1080p (10 Credits pro Sekunde) liegt zwischen Kling Standard und Kling Pro. Turbo in 2K kostet 18 Credits pro Sekunde, und die HeyGen-Seite nennt ihre Ausgabeauflösung. Vollständige Preistabellen und Abrechnungsregeln finden Sie unter Preise der HeyGen Avatar 6 API.

Wofür welche API gedacht ist

Die Fakten oben legen eine Aufteilung nach Eingabe nahe, nicht nach „welche ist besser“:

AnfrageRouten an
Foto + aufgenommenes Audio, niedrigste Kosten pro Sekundekling-avatar-2.0/standard
Foto + aufgenommenes Audio, explizit 1080p oder 2Kheygen-avatar-6-turbo oder heygen-avatar-6
Nur Skript, keine SprachaufnahmeHeyGen Public-Avatar-Modus (Text-to-Avatar)
Cartoon oder Maskottchen aus einem kurzen ClipHeyGen Referenzvideo-Modus
Gesten, die an bestimmte Wörter gebunden sindHeyGen prompt; HeyGens Bericht sagt: „Schreiben Sie die Aktion neben die Worte. Avatar 6 führt sie genau auf das Stichwort aus“
Langer, frei formulierter AnweisungstextKling, dessen Prompt 5,000 Zeichen erlaubt
Audiodatei zwischen 5 und 15 MBHeyGen

Zur Qualität veröffentlicht HeyGens technischer Bericht Präferenzabstimmungen nur gegen die eigenen früheren Modelle (Avatar 6 Quality wurde von 69.7% von 879 Stimmen gegenüber Avatar V bevorzugt). Wir haben keinen Test mit identischen Eingaben zwischen HeyGen Avatar 6 und Kling Avatar 2.0 durchgeführt und treffen daher keine Qualitätsaussage zwischen den beiden. Wenn die Qualität entscheidet, senden Sie dasselbe Foto und Audio an beide; das kostet 70 + 100 = 170 Credits ($0.85) für ein 10-Sekunden-Paar mit Kling Standard und HeyGen Turbo 1080p.

Wechseln: der JSON-Diff

Eine Kling-Avatar-2.0-Anfrage lässt sich direkt auf den HeyGen-Fotomodus abbilden, weil beide image_urls (ein Element), audio_url und prompt verwenden. Hier eine Kling-Anfrage aus der Dokumentation:

{
  "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."
  }
}

Und derselbe Job im Fotomodus von HeyGen Avatar 6:

{
  "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"
  }
}

Was sich ändert:

  1. model wird zu heygen-avatar-6 oder heygen-avatar-6-turbo.
  2. Optional resolution hinzufügen (1080p Standard oder 2K).
  3. prompt auf 1,200 Zeichen kürzen und als Anweisung für Gesten, Mimik und Haltung umschreiben.
  4. Die Obergrenze für die Audiogröße steigt von 5 MB auf 15 MB; die Längenregel von 2–60 s bleibt gleich.
  5. Im Fotomodus kein aspect_ratio hinzufügen. Das Video behält das Seitenverhältnis des Fotos.

Status-Endpunkt, Callback-Struktur und das Ergebnis files[].file_url sind gleich, Ihr Polling- und Download-Code ändert sich also nicht. In die andere Richtung können nur Anfragen im Fotomodus zu Kling wechseln; Text-, Avatar- und Referenzvideo-Anfragen haben auf PoYo kein Kling-Gegenstück.

Häufig gestellte Fragen

Ist die HeyGen Avatar 6 API günstiger als Kling Avatar 2.0?

Kling Avatar 2.0 hat die niedrigeren Tarife pro Sekunde: Kling Standard kostet 7 Credits ($0.035) und Kling Pro 14 Credits ($0.07). HeyGen Turbo kostet 10 Credits ($0.05) in 1080p und 18 Credits ($0.09) in 2K.

Kann Kling Avatar 2.0 Text vorlesen wie die HeyGen Avatar 6 API?

Nicht auf PoYo. Kling Avatar 2.0 benötigt audio_url. HeyGens Public-Avatar-Modus nimmt stattdessen text und eine voice.

Verwenden HeyGen Avatar 6 und Kling Avatar 2.0 dasselbe Anfrageformat?

Denselben Endpunkt und dieselbe Hülle. Im Fotomodus überschneiden sich die input-Felder (image_urls, audio_url, prompt), sodass ein Wechsel meist nur den model-String betrifft.

Welche Audiolänge akzeptieren beide APIs?

Bei beiden 2–60 Sekunden. HeyGen erlaubt Dateien bis 15 MB, Kling bis 5 MB, wenn die Größe ermittelbar ist.

Welche API sollte ich für ein Cartoon-Maskottchen verwenden?

Den Referenzvideo-Modus von HeyGen Avatar 6, der für animierte und gezeichnete Figuren dokumentiert ist. Den Request-Body finden Sie im HeyGen Avatar 6 API Leitfaden.

Share: