comparisons

HeyGen Avatar 6 API vs Kling Avatar 2.0 API: campos, limites e preço por clipe

Poyo.ai Team
8 min read
Share:

HeyGen Avatar 6 API vs Kling Avatar 2.0 API: campos da requisição, limites e preço por clipe

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.

CampoHeyGen Avatar 6 (os dois níveis)Kling Avatar 2.0 (os dois níveis)
image_urlsExatamente uma; obrigatória no modo foto, opcional no modo vídeo de referênciaExatamente uma; obrigatória
audio_url2–60 s, até 15 MB; obrigatório exceto com text2–60 s; até 5 MB quando o tamanho pode ser detectado; obrigatório
promptOpcional, até 1,200 caracteres (gestos, expressão, postura)Opcional, até 5,000 caracteres
video_urlModo vídeo de referência: personagem animado ou ilustrado, pelo menos 2 s, até 50 MBNão disponível
avatarModo avatar público: 1,248 looks da HeyGenNão disponível
text + voiceModo avatar público: até 1,000 caracteres, 102 vozesNão disponível
aspect_ratioModo avatar público: 16:9, 9:16, 1:1, 4:5, 5:4Não documentado
resolution1080p (padrão) ou 2KNão 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

LimiteHeyGen Avatar 6Kling Avatar 2.0
Duração do áudio condutor2–60 s2–60 s
Tamanho do áudio condutorAté 15 MBAté 5 MB (quando detectável)
Fala sem arquivo de áudioSim, text até 1,000 caracteresNão
Quantidade de imagens de referência11
Escolha da resolução de saída1080p ou 2KNenhum campo no schema da PoYo
Tamanho do prompt1,200 caracteres5,000 caracteres
Níveis do modeloheygen-avatar-6, heygen-avatar-6-turbokling-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.

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

RequisiçãoRotear para
Foto + áudio gravado, menor custo por segundokling-avatar-2.0/standard
Foto + áudio gravado, 1080p ou 2K explícitoheygen-avatar-6-turbo ou heygen-avatar-6
Só roteiro, sem gravação de vozModo avatar público da HeyGen (text-to-avatar)
Desenho ou mascote a partir de um clipe curtoModo vídeo de referência da HeyGen
Gestos ligados a palavras específicasprompt 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 livreKling, cujo prompt permite 5,000 caracteres
Arquivo de áudio entre 5 e 15 MBHeyGen

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:

  1. model passa a ser heygen-avatar-6 ou heygen-avatar-6-turbo.
  2. Opcionalmente, adicione resolution (1080p padrão, ou 2K).
  3. Corte o prompt para 1,200 caracteres e reescreva-o como direção de gestos, expressão e postura.
  4. O limite de tamanho do áudio sobe de 5 MB para 15 MB; a regra de duração de 2–60 s é a mesma.
  5. Não adicione aspect_ratio no 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.

Share: