comparisons

HeyGen Avatar 6 API vs Kling Avatar 2.0 API: pola, limity i cena za klip

Poyo.ai Team
7 min read
Share:

HeyGen Avatar 6 API vs Kling Avatar 2.0 API: pola żądania, limity i cena za klip

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.

PoleHeyGen Avatar 6 (oba warianty)Kling Avatar 2.0 (oba warianty)
image_urlsDokładnie jeden; wymagany w trybie zdjęcia, opcjonalny w trybie wideo referencyjnegoDokładnie jeden; wymagany
audio_url2–60 s, do 15 MB; wymagany poza przypadkiem z text2–60 s; do 5 MB, gdy rozmiar da się ustalić; wymagany
promptOpcjonalny, do 1,200 znaków (gesty, mimika, postawa)Opcjonalny, do 5,000 znaków
video_urlTryb wideo referencyjnego: animowana lub rysowana postać, co najmniej 2 s, do 50 MBNiedostępne
avatarTryb publicznego awatara: 1,248 wyglądów HeyGenNiedostępne
text + voiceTryb publicznego awatara: do 1,000 znaków, 102 głosyNiedostępne
aspect_ratioTryb publicznego awatara: 16:9, 9:16, 1:1, 4:5, 5:4Nieudokumentowane
resolution1080p (domyślnie) lub 2KNieudokumentowane

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

LimitHeyGen Avatar 6Kling Avatar 2.0
Długość sterującego audio2–60 s2–60 s
Rozmiar sterującego audioDo 15 MBDo 5 MB (gdy da się ustalić)
Mowa bez pliku audioTak, text do 1,000 znakówNie
Liczba obrazów referencyjnych11
Wybór rozdzielczości wyjścia1080p lub 2KBrak pola w schemacie PoYo
Długość promptu1,200 znaków5,000 znaków
Warianty modeluheygen-avatar-6, heygen-avatar-6-turbokling-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.

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

ŻądanieKieruj do
Zdjęcie + nagrane audio, najniższy koszt za sekundękling-avatar-2.0/standard
Zdjęcie + nagrane audio, jawnie 1080p lub 2Kheygen-avatar-6-turbo lub heygen-avatar-6
Tylko skrypt, bez nagrania głosuTryb publicznego awatara HeyGen (text-to-avatar)
Postać z kreskówki lub maskotka z krótkiego klipuTryb wideo referencyjnego HeyGen
Gesty powiązane z konkretnymi słowamiprompt HeyGen; raport HeyGen mówi: "Wpisz akcję obok słów. Avatar 6 wykona ją dokładnie we właściwym momencie"
Długi, swobodny opis reżyserskiKling, którego prompt dopuszcza 5,000 znaków
Plik audio między 5 a 15 MBHeyGen

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:

  1. model zmienia się na heygen-avatar-6 lub heygen-avatar-6-turbo.
  2. Opcjonalnie dodaj resolution (1080p domyślnie albo 2K).
  3. Skróć prompt do 1,200 znaków i przepisz go jako wskazówki dotyczące gestów, mimiki i postawy.
  4. Limit rozmiaru audio rośnie z 5 MB do 15 MB; zasada długości 2–60 s pozostaje taka sama.
  5. Nie dodawaj aspect_ratio w 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.

Share: