comparisons

HeyGen Avatar 6 API vs Kling Avatar 2.0 API: felt, grenser og pris per klipp

Poyo.ai Team
7 min read
Share:

HeyGen Avatar 6 API vs Kling Avatar 2.0 API: forespørselsfelt, grenser og pris per klipp

HeyGen Avatar 6 API er PoYos første HeyGen-modell, så det finnes ingen forgjenger å migrere fra. Den nærmeste modellen som allerede er på PoYo, er Kling Avatar 2.0: begge tar ett bilde pluss en drivende lydfil på 2–60 sekunder og returnerer en leppesynkronisert snakkende video via det samme innsendingsendepunktet. Denne sammenligningen setter heygen-avatar-6 / heygen-avatar-6-turbo ved siden av kling-avatar-2.0/standard / kling-avatar-2.0/pro, felt for felt, basert på begge PoYo-dokumentasjonssidene slik de var 18. november 2026. HeyGen-siden finnes også på HeyGen Avatar 6-modellsiden.

Samme endepunkt, ulike inndata

Begge modellene bruker POST https://api.poyo.ai/api/generate/submit med model, en valgfri callback_url på toppnivå og et input-objekt, og begge returnerer en task_id du poller på GET /api/generate/status/{task_id}. Forskjellen er hva input godtar.

FeltHeyGen Avatar 6 (begge nivåer)Kling Avatar 2.0 (begge nivåer)
image_urlsNøyaktig ett; påkrevd i fotomodus, valgfritt i referansevideomodusNøyaktig ett; påkrevd
audio_url2–60 s, opptil 15 MB; påkrevd unntatt med text2–60 s; opptil 5 MB når størrelsen kan fastslås; påkrevd
promptValgfritt, opptil 1,200 tegn (gester, uttrykk, holdning)Valgfritt, opptil 5,000 tegn
video_urlReferansevideomodus: animert eller illustrert figur, minst 2 s, opptil 50 MBIkke tilgjengelig
avatarOffentlig avatar-modus: 1,248 HeyGen-looksIkke tilgjengelig
text + voiceOffentlig avatar-modus: opptil 1,000 tegn, 102 stemmerIkke tilgjengelig
aspect_ratioOffentlig avatar-modus: 16:9, 9:16, 1:1, 4:5, 5:4Ikke dokumentert
resolution1080p (standard) eller 2KIkke dokumentert

Overlappet er foto pluss lyd. Alt HeyGen legger til (tekstinndata, ferdige presentatører, figurklipp, en oppløsningsbryter) har ingen motpart i PoYos skjema for Kling Avatar 2.0.

Grenser side om side

GrenseHeyGen Avatar 6Kling Avatar 2.0
Lengde på drivende lyd2–60 s2–60 s
Størrelse på drivende lydOpptil 15 MBOpptil 5 MB (når det kan fastslås)
Tale uten lydfilJa, text opptil 1,000 tegnNei
Antall referansebilder11
Valg av outputoppløsning1080p eller 2KIkke noe felt i PoYos skjema
Promptlengde1,200 tegn5,000 tegn
Modellnivåerheygen-avatar-6, heygen-avatar-6-turbokling-avatar-2.0/standard, kling-avatar-2.0/pro

To grenser overrasker dem som flytter seg mellom de to. Klings lydgrense på 5 MB er en tredjedel av HeyGens, så en WAV på 60 sekunder som fungerer på HeyGen, kan bli avvist på Kling; komprimer til MP3 hvis du ruter begge veier. HeyGens prompt på 1,200 tegn er kortere enn Klings 5,000, så lange Kling-prompter må kortes ned.

Pris per likt klipp

Begge faktureres per sekund (1 credit = $0.005). For HeyGen faktureres lydforespørsler etter lydlengden, rundet opp til hele sekunder.

ModellSats per sekundKlipp på 10 sKlipp på 30 sKlipp 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 per sekund) ligger mellom Kling Standard og Kling Pro. Turbo i 2K koster 18 credits per sekund, og HeyGen-siden oppgir outputoppløsningen. Fullstendige pristabeller og faktureringsregler finner du i Priser for HeyGen Avatar 6 API.

Hva hvert API er til for

Fakta ovenfor peker mot en fordeling etter inndata, ikke etter "hvilken som er best":

ForespørselRut til
Foto + innspilt lyd, lavest kostnad per sekundkling-avatar-2.0/standard
Foto + innspilt lyd, eksplisitt 1080p eller 2Kheygen-avatar-6-turbo eller heygen-avatar-6
Bare manus, ingen stemmeopptakHeyGens offentlig avatar-modus (text-to-avatar)
Tegnefilmfigur eller maskot fra et kort klippHeyGens referansevideomodus
Gester knyttet til bestemte ordHeyGens prompt; HeyGens rapport sier: "Skriv handlingen ved siden av ordene. Avatar 6 utfører den akkurat på stikkordet"
Lang, fri regitekstKling, der prompten tillater 5,000 tegn
Lydfil mellom 5 og 15 MBHeyGen

Når det gjelder kvalitet, publiserer HeyGens tekniske rapport preferansestemmer bare mot HeyGens egne tidligere modeller (Avatar 6 Quality foretrukket fremfor Avatar V av 69.7% av 879 stemmer). Vi har ikke kjørt en test med samme inndata av HeyGen Avatar 6 mot Kling Avatar 2.0, så vi påstår ingenting om kvalitet mellom dem. Hvis kvalitet avgjør, send det samme fotoet og den samme lyden til begge, noe som koster 70 + 100 = 170 credits ($0.85) for et par klipp på 10 sekunder med Kling Standard og HeyGen Turbo 1080p.

Bytte: JSON-diffen

En Kling Avatar 2.0-forespørsel kan overføres direkte til HeyGens fotomodus, fordi begge bruker image_urls (ett element), audio_url og prompt. Her er en Kling-forespørsel fra dokumentasjonen:

{
  "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 den samme jobben i fotomodus på 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"
  }
}

Dette endres:

  1. model blir heygen-avatar-6 eller heygen-avatar-6-turbo.
  2. Legg eventuelt til resolution (1080p som standard, eller 2K).
  3. Kort ned prompt til 1,200 tegn, og skriv den om til instruksjoner for gester, uttrykk og holdning.
  4. Grensen for lydstørrelse øker fra 5 MB til 15 MB; lengderegelen på 2–60 s er den samme.
  5. Ikke legg til aspect_ratio i fotomodus. Videoen beholder fotoets sideforhold.

Statusendepunktet, formen på callbacket og resultatet i files[].file_url er de samme, så polling- og nedlastingskoden din endres ikke. Den andre veien kan bare fotomodus-forespørsler flyttes til Kling; tekst-, avatar- og referansevideoforespørsler har ingen Kling-motpart på PoYo.

Ofte stilte spørsmål

Er HeyGen Avatar 6 API billigere enn Kling Avatar 2.0?

Kling Avatar 2.0 har de lavere satsene per 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 lese tekst som HeyGen Avatar 6 API?

Ikke på PoYo. Kling Avatar 2.0 krever audio_url. HeyGens offentlig avatar-modus tar text og en voice i stedet.

Bruker HeyGen Avatar 6 og Kling Avatar 2.0 det samme forespørselsformatet?

Samme endepunkt og samme konvolutt. I fotomodus overlapper input-feltene (image_urls, audio_url, prompt), så å bytte handler stort sett om model-strengen.

Hvilken lydlengde godtar begge API-ene?

2–60 sekunder på begge. HeyGen tillater filer opptil 15 MB; Kling opptil 5 MB når størrelsen kan fastslås.

Hvilket API bør jeg bruke for en tegnefilmmaskot?

Referansevideomodus i HeyGen Avatar 6, som er dokumentert for animerte og illustrerte figurer. Se HeyGen Avatar 6 API-guiden for forespørselsbodyen.

Share: