![]()
A HeyGen Avatar 6 API é o primeiro modelo HeyGen da PoYo, então não existe um antecessor de onde migrar. O modelo mais próximo que já está na PoYo é o Kling Avatar 2.0: os dois recebem uma imagem mais um arquivo de áudio condutor de 2–60 segundos e retornam um vídeo falante com sincronização labial pelo mesmo endpoint de envio. Esta comparação coloca heygen-avatar-6 / heygen-avatar-6-turbo ao lado de kling-avatar-2.0/standard / kling-avatar-2.0/pro, campo a campo, usando as duas páginas da documentação da PoYo conforme consultadas em 18 de novembro de 2026. O lado HeyGen também está na página do modelo HeyGen Avatar 6.
Mesmo endpoint, entradas diferentes
Os dois modelos usam POST https://api.poyo.ai/api/generate/submit com model, um callback_url opcional no nível superior e um objeto input, e os dois retornam um task_id que você consulta em GET /api/generate/status/{task_id}. A diferença está no que input aceita.
| Campo | HeyGen Avatar 6 (os dois níveis) | Kling Avatar 2.0 (os dois níveis) |
|---|---|---|
image_urls | Exatamente uma; obrigatória no modo foto, opcional no modo vídeo de referência | Exatamente uma; obrigatória |
audio_url | 2–60 s, até 15 MB; obrigatório exceto com text | 2–60 s; até 5 MB quando o tamanho pode ser detectado; obrigatório |
prompt | Opcional, até 1,200 caracteres (gestos, expressão, postura) | Opcional, até 5,000 caracteres |
video_url | Modo vídeo de referência: personagem animado ou ilustrado, pelo menos 2 s, até 50 MB | Não disponível |
avatar | Modo avatar público: 1,248 looks da HeyGen | Não disponível |
text + voice | Modo avatar público: até 1,000 caracteres, 102 vozes | Não disponível |
aspect_ratio | Modo avatar público: 16:9, 9:16, 1:1, 4:5, 5:4 | Não documentado |
resolution | 1080p (padrão) ou 2K | Não documentado |
A sobreposição é foto mais áudio. Tudo o que a HeyGen acrescenta (entrada de texto, apresentadores de banco, clipes de personagens, um seletor de resolução) não tem equivalente no schema do Kling Avatar 2.0 na PoYo.
Limites lado a lado
| Limite | HeyGen Avatar 6 | Kling Avatar 2.0 |
|---|---|---|
| Duração do áudio condutor | 2–60 s | 2–60 s |
| Tamanho do áudio condutor | Até 15 MB | Até 5 MB (quando detectável) |
| Fala sem arquivo de áudio | Sim, text até 1,000 caracteres | Não |
| Quantidade de imagens de referência | 1 | 1 |
| Escolha da resolução de saída | 1080p ou 2K | Nenhum campo no schema da PoYo |
| Tamanho do prompt | 1,200 caracteres | 5,000 caracteres |
| Níveis do modelo | heygen-avatar-6, heygen-avatar-6-turbo | kling-avatar-2.0/standard, kling-avatar-2.0/pro |
Dois limites pegam quem alterna entre os dois. O limite de áudio de 5 MB do Kling é um terço do da HeyGen, então um WAV de 60 segundos que funciona na HeyGen pode ser recusado no Kling; comprima para MP3 se você rotear nos dois sentidos. O prompt de 1,200 caracteres da HeyGen é mais curto que os 5,000 do Kling, então prompts longos do Kling precisam ser cortados.
Preço pelo mesmo clipe
Os dois são cobrados por segundo (1 crédito = $0.005). Na HeyGen, requisições com áudio são cobradas pela duração do áudio arredondada para cima, para segundos inteiros.
| Modelo | Tarifa por segundo | Clipe de 10 s | Clipe de 30 s | Clipe de 60 s |
|---|---|---|---|---|
kling-avatar-2.0/standard | 7 créditos ($0.035) | 70 créditos ($0.35) | 210 créditos ($1.05) | 420 créditos ($2.10) |
heygen-avatar-6-turbo 1080p | 10 créditos ($0.05) | 100 créditos ($0.50) | 300 créditos ($1.50) | 600 créditos ($3.00) |
kling-avatar-2.0/pro | 14 créditos ($0.07) | 140 créditos ($0.70) | 420 créditos ($2.10) | 840 créditos ($4.20) |
heygen-avatar-6-turbo 2K | 18 créditos ($0.09) | 180 créditos ($0.90) | 540 créditos ($2.70) | 1,080 créditos ($5.40) |
heygen-avatar-6 1080p | 20 créditos ($0.10) | 200 créditos ($1.00) | 600 créditos ($3.00) | 1,200 créditos ($6.00) |
heygen-avatar-6 2K | 29 créditos ($0.145) | 290 créditos ($1.45) | 870 créditos ($4.35) | 1,740 créditos ($8.70) |
O Turbo em 1080p (10 créditos por segundo) fica entre o Kling Standard e o Kling Pro. O Turbo em 2K custa 18 créditos por segundo, e o lado HeyGen declara a sua resolução de saída. Para as tabelas de preço completas e as regras de cobrança, veja Preço da HeyGen Avatar 6 API.
Para que serve cada API
Os fatos acima sugerem uma divisão por tipo de entrada, e não por "qual é melhor":
| Requisição | Rotear para |
|---|---|
| Foto + áudio gravado, menor custo por segundo | kling-avatar-2.0/standard |
| Foto + áudio gravado, 1080p ou 2K explícito | heygen-avatar-6-turbo ou heygen-avatar-6 |
| Só roteiro, sem gravação de voz | Modo avatar público da HeyGen (text-to-avatar) |
| Desenho ou mascote a partir de um clipe curto | Modo vídeo de referência da HeyGen |
| Gestos ligados a palavras específicas | prompt da HeyGen; o relatório da HeyGen diz "Escreva a ação ao lado das palavras. O Avatar 6 a executa no momento exato" |
| Texto de direção longo e livre | Kling, cujo prompt permite 5,000 caracteres |
| Arquivo de áudio entre 5 e 15 MB | HeyGen |
Quanto à qualidade, o relatório técnico da HeyGen publica votos de preferência só contra os próprios modelos anteriores (Avatar 6 Quality preferido ao Avatar V por 69.7% de 879 votos). Não fizemos um teste com as mesmas entradas do HeyGen Avatar 6 contra o Kling Avatar 2.0, então não fazemos nenhuma afirmação de qualidade entre eles. Se a qualidade for o critério, envie a mesma foto e o mesmo áudio para os dois, o que custa 70 + 100 = 170 créditos ($0.85) por um par de 10 segundos com Kling Standard e HeyGen Turbo 1080p.
Migrando: o diff JSON
Uma requisição do Kling Avatar 2.0 corresponde diretamente ao modo foto da HeyGen, porque as duas usam image_urls (um item), audio_url e prompt. Esta é uma requisição Kling da documentação dele:
{
"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."
}
}
E o mesmo job no modo foto do 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"
}
}
O que muda:
modelpassa a serheygen-avatar-6ouheygen-avatar-6-turbo.- Opcionalmente, adicione
resolution(1080ppadrão, ou2K). - Corte o
promptpara 1,200 caracteres e reescreva-o como direção de gestos, expressão e postura. - O limite de tamanho do áudio sobe de 5 MB para 15 MB; a regra de duração de 2–60 s é a mesma.
- Não adicione
aspect_rationo modo foto. O vídeo mantém a proporção da foto.
O endpoint de status, o formato do callback e o resultado files[].file_url são os mesmos, então o seu código de polling e de download não muda. No sentido contrário, só requisições no modo foto podem ir para o Kling; requisições de texto, avatar e vídeo de referência não têm equivalente Kling na PoYo.
Perguntas frequentes
A HeyGen Avatar 6 API é mais barata que o Kling Avatar 2.0?
O Kling Avatar 2.0 tem as tarifas por segundo mais baixas: o Kling Standard custa 7 créditos ($0.035) e o Kling Pro custa 14 créditos ($0.07). O HeyGen Turbo custa 10 créditos ($0.05) em 1080p e 18 créditos ($0.09) em 2K.
O Kling Avatar 2.0 consegue ler texto como a HeyGen Avatar 6 API?
Não na PoYo. O Kling Avatar 2.0 precisa de audio_url. O modo avatar público da HeyGen aceita text e um voice no lugar.
O HeyGen Avatar 6 e o Kling Avatar 2.0 usam o mesmo formato de requisição?
O mesmo endpoint e o mesmo envelope. No modo foto, os campos de input se sobrepõem (image_urls, audio_url, prompt), então migrar é basicamente trocar a string model.
Qual duração de áudio as duas APIs aceitam?
2–60 segundos nas duas. A HeyGen aceita arquivos de até 15 MB; o Kling, até 5 MB quando o tamanho é detectável.
Qual API devo usar para um mascote de desenho animado?
O modo vídeo de referência do HeyGen Avatar 6, documentado para personagens animados e ilustrados. Veja o guia da HeyGen Avatar 6 API para o corpo da requisição.