![]()
HeyGen Avatar 6 API to pierwszy model HeyGen w PoYo, więc nie ma poprzednika, z którego trzeba migrować. Najbliższy model dostępny już w PoYo to Kling Avatar 2.0: oba przyjmują jeden obraz plus sterujący plik audio o długości 2–60 sekund i zwracają mówiące wideo z synchronizacją ust przez ten sam endpoint do wysyłania. To porównanie zestawia heygen-avatar-6 / heygen-avatar-6-turbo z kling-avatar-2.0/standard / kling-avatar-2.0/pro, pole po polu, na podstawie obu stron dokumentacji PoYo w wersji z 18 listopada 2026 roku. Stronę HeyGen znajdziesz też na stronie modelu HeyGen Avatar 6.
Ten sam endpoint, inne dane wejściowe
Oba modele używają POST https://api.poyo.ai/api/generate/submit z model, opcjonalnym callback_url na najwyższym poziomie i obiektem input, i oba zwracają task_id, który odpytujesz pod GET /api/generate/status/{task_id}. Różnica polega na tym, co przyjmuje input.
| Pole | HeyGen Avatar 6 (oba warianty) | Kling Avatar 2.0 (oba warianty) |
|---|---|---|
image_urls | Dokładnie jeden; wymagany w trybie zdjęcia, opcjonalny w trybie wideo referencyjnego | Dokładnie jeden; wymagany |
audio_url | 2–60 s, do 15 MB; wymagany poza przypadkiem z text | 2–60 s; do 5 MB, gdy rozmiar da się ustalić; wymagany |
prompt | Opcjonalny, do 1,200 znaków (gesty, mimika, postawa) | Opcjonalny, do 5,000 znaków |
video_url | Tryb wideo referencyjnego: animowana lub rysowana postać, co najmniej 2 s, do 50 MB | Niedostępne |
avatar | Tryb publicznego awatara: 1,248 wyglądów HeyGen | Niedostępne |
text + voice | Tryb publicznego awatara: do 1,000 znaków, 102 głosy | Niedostępne |
aspect_ratio | Tryb publicznego awatara: 16:9, 9:16, 1:1, 4:5, 5:4 | Nieudokumentowane |
resolution | 1080p (domyślnie) lub 2K | Nieudokumentowane |
Część wspólna to zdjęcie plus audio. Wszystko, co dodaje HeyGen (wejście tekstowe, gotowi prezenterzy, klipy postaci, przełącznik rozdzielczości), nie ma odpowiednika w schemacie Kling Avatar 2.0 w PoYo.
Limity obok siebie
| Limit | HeyGen Avatar 6 | Kling Avatar 2.0 |
|---|---|---|
| Długość sterującego audio | 2–60 s | 2–60 s |
| Rozmiar sterującego audio | Do 15 MB | Do 5 MB (gdy da się ustalić) |
| Mowa bez pliku audio | Tak, text do 1,000 znaków | Nie |
| Liczba obrazów referencyjnych | 1 | 1 |
| Wybór rozdzielczości wyjścia | 1080p lub 2K | Brak pola w schemacie PoYo |
| Długość promptu | 1,200 znaków | 5,000 znaków |
| Warianty modelu | heygen-avatar-6, heygen-avatar-6-turbo | kling-avatar-2.0/standard, kling-avatar-2.0/pro |
Dwa limity zaskakują osoby przechodzące między tymi modelami. Limit audio 5 MB w Kling to jedna trzecia limitu HeyGen, więc 60-sekundowy plik WAV, który działa w HeyGen, może zostać odrzucony przez Kling; jeśli kierujesz żądania w obie strony, kompresuj do MP3. Prompt HeyGen o długości 1,200 znaków jest krótszy niż 5,000 w Kling, więc długie prompty z Kling trzeba skrócić.
Cena za ten sam klip
Oba modele są rozliczane za sekundę (1 kredyt = $0.005). W HeyGen żądania z audio są rozliczane według długości audio zaokrąglonej w górę do pełnych sekund.
| Model | Stawka za sekundę | Klip 10 s | Klip 30 s | Klip 60 s |
|---|---|---|---|---|
kling-avatar-2.0/standard | 7 kredytów ($0.035) | 70 kredytów ($0.35) | 210 kredytów ($1.05) | 420 kredytów ($2.10) |
heygen-avatar-6-turbo 1080p | 10 kredytów ($0.05) | 100 kredytów ($0.50) | 300 kredytów ($1.50) | 600 kredytów ($3.00) |
kling-avatar-2.0/pro | 14 kredytów ($0.07) | 140 kredytów ($0.70) | 420 kredytów ($2.10) | 840 kredytów ($4.20) |
heygen-avatar-6-turbo 2K | 18 kredytów ($0.09) | 180 kredytów ($0.90) | 540 kredytów ($2.70) | 1,080 kredytów ($5.40) |
heygen-avatar-6 1080p | 20 kredytów ($0.10) | 200 kredytów ($1.00) | 600 kredytów ($3.00) | 1,200 kredytów ($6.00) |
heygen-avatar-6 2K | 29 kredytów ($0.145) | 290 kredytów ($1.45) | 870 kredytów ($4.35) | 1,740 kredytów ($8.70) |
Turbo w 1080p (10 kredytów za sekundę) plasuje się między Kling Standard a Kling Pro. Turbo w 2K kosztuje 18 kredytów za sekundę, a po stronie HeyGen rozdzielczość wyjścia jest jawnie określona. Pełne tabele cen i zasady rozliczeń znajdziesz w artykule Cennik HeyGen Avatar 6 API.
Do czego służy każde API
Powyższe fakty sugerują podział według danych wejściowych, a nie według tego, "który jest lepszy":
| Żądanie | Kieruj do |
|---|---|
| Zdjęcie + nagrane audio, najniższy koszt za sekundę | kling-avatar-2.0/standard |
| Zdjęcie + nagrane audio, jawnie 1080p lub 2K | heygen-avatar-6-turbo lub heygen-avatar-6 |
| Tylko skrypt, bez nagrania głosu | Tryb publicznego awatara HeyGen (text-to-avatar) |
| Postać z kreskówki lub maskotka z krótkiego klipu | Tryb wideo referencyjnego HeyGen |
| Gesty powiązane z konkretnymi słowami | prompt HeyGen; raport HeyGen mówi: "Wpisz akcję obok słów. Avatar 6 wykona ją dokładnie we właściwym momencie" |
| Długi, swobodny opis reżyserski | Kling, którego prompt dopuszcza 5,000 znaków |
| Plik audio między 5 a 15 MB | HeyGen |
Jeśli chodzi o jakość, raport techniczny HeyGen publikuje głosowania preferencji tylko względem własnych wcześniejszych modeli (Avatar 6 Quality wybrany zamiast Avatar V przez 69.7% z 879 głosów). Nie przeprowadziliśmy testu HeyGen Avatar 6 i Kling Avatar 2.0 na tych samych danych wejściowych, więc nie formułujemy żadnej tezy o jakości między nimi. Jeśli o wyborze decyduje jakość, wyślij to samo zdjęcie i audio do obu modeli; para 10-sekundowych klipów na Kling Standard i HeyGen Turbo 1080p kosztuje 70 + 100 = 170 kredytów ($0.85).
Zmiana modelu: różnice w JSON
Żądanie do Kling Avatar 2.0 przekłada się wprost na tryb zdjęcia HeyGen, bo oba używają image_urls (jeden element), audio_url i prompt. Oto żądanie Kling z jego dokumentacji:
{
"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."
}
}
A to samo zadanie w trybie zdjęcia 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"
}
}
Co się zmienia:
modelzmienia się naheygen-avatar-6lubheygen-avatar-6-turbo.- Opcjonalnie dodaj
resolution(1080pdomyślnie albo2K). - Skróć
promptdo 1,200 znaków i przepisz go jako wskazówki dotyczące gestów, mimiki i postawy. - Limit rozmiaru audio rośnie z 5 MB do 15 MB; zasada długości 2–60 s pozostaje taka sama.
- Nie dodawaj
aspect_ratiow trybie zdjęcia. Wideo zachowuje proporcje zdjęcia.
Endpoint statusu, kształt callbacku i wynik w files[].file_url są takie same, więc Twój kod odpytywania i pobierania się nie zmienia. W drugą stronę do Kling można przenieść tylko żądania w trybie zdjęcia; żądania tekstowe, z awatarem i z wideo referencyjnym nie mają odpowiednika Kling w PoYo.
Najczęściej zadawane pytania
Czy HeyGen Avatar 6 API jest tańsze niż Kling Avatar 2.0?
Kling Avatar 2.0 ma niższe stawki za sekundę: Kling Standard kosztuje 7 kredytów ($0.035), a Kling Pro 14 kredytów ($0.07). HeyGen Turbo kosztuje 10 kredytów ($0.05) w 1080p i 18 kredytów ($0.09) w 2K.
Czy Kling Avatar 2.0 może czytać tekst jak HeyGen Avatar 6 API?
Nie w PoYo. Kling Avatar 2.0 wymaga audio_url. Tryb publicznego awatara HeyGen przyjmuje zamiast tego text i voice.
Czy HeyGen Avatar 6 i Kling Avatar 2.0 używają tego samego formatu żądania?
Ten sam endpoint i ta sama koperta żądania. W trybie zdjęcia pola input się pokrywają (image_urls, audio_url, prompt), więc zmiana sprowadza się głównie do ciągu model.
Jaką długość audio przyjmują oba API?
2–60 sekund w obu. HeyGen dopuszcza pliki do 15 MB; Kling do 5 MB, gdy rozmiar da się ustalić.
Którego API użyć do maskotki z kreskówki?
Trybu wideo referencyjnego HeyGen Avatar 6, który jest udokumentowany dla animowanych i rysowanych postaci. Treść żądania znajdziesz w przewodniku po HeyGen Avatar 6 API.