comparisons

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

Poyo.ai Team
8 min read
Share:

HeyGen Avatar 6 API vs Kling Avatar 2.0 API: campos do pedido, limites e preço por clip

A HeyGen Avatar 6 API é o primeiro modelo HeyGen do PoYo, por isso não há antecessor de onde migrar. O modelo mais próximo já disponível no PoYo é o Kling Avatar 2.0: ambos aceitam uma imagem mais um ficheiro de áudio condutor de 2–60 segundos e devolvem um vídeo falante com sincronização labial através do mesmo endpoint de submissão. 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 PoYo tal como consultadas a 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 ambos devolvem um task_id que consultas em GET /api/generate/status/{task_id}. A diferença está no que input aceita.

CampoHeyGen Avatar 6 (ambos os níveis)Kling Avatar 2.0 (ambos os 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 detetado; obrigatório
promptOpcional, até 1,200 caracteres (gestos, expressão, postura)Opcional, até 5,000 caracteres
video_urlModo vídeo de referência: personagem animada ou ilustrada, 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 (predefinido) ou 2KNão documentado

A sobreposição é foto mais áudio. Tudo o que a HeyGen acrescenta (entrada de texto, apresentadores de stock, clips de personagens, um seletor de resolução) não tem equivalente no esquema do Kling Avatar 2.0 no 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 detetável)
Fala sem ficheiro de áudioSim, text até 1,000 caracteresNão
Número de imagens de referência11
Escolha da resolução de saída1080p ou 2KNenhum campo no esquema do PoYo
Comprimento 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 apanham quem muda entre os dois. O limite de áudio de 5 MB do Kling é um terço do da HeyGen, por isso um WAV de 60 segundos que funciona na HeyGen pode ser recusado pelo Kling; comprime para MP3 se encaminhares nos dois sentidos. O prompt de 1,200 caracteres da HeyGen é mais curto do que os 5,000 do Kling, por isso prompts longos do Kling têm de ser encurtados.

Preço pelo mesmo clip

Ambos são cobrados por segundo (1 crédito = $0.005). Na HeyGen, os pedidos com áudio são cobrados pela duração do áudio arredondada para cima, para segundos inteiros.

ModeloTarifa por segundoClip de 10 sClip de 30 sClip 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 indica a sua resolução de saída. Para as tabelas de preços completas e as regras de cobrança, vê Preços da HeyGen Avatar 6 API.

Para que serve cada API

Os factos acima sugerem uma divisão por tipo de entrada, não por "qual é melhor":

PedidoEncaminhar para
Foto + áudio gravado, custo por segundo mais baixokling-avatar-2.0/standard
Foto + áudio gravado, 1080p ou 2K explícitoheygen-avatar-6-turbo ou heygen-avatar-6
Apenas guião, sem gravação de vozModo avatar público da HeyGen (text-to-avatar)
Desenho animado ou mascote a partir de um clip curtoModo vídeo de referência da HeyGen
Gestos ligados a palavras específicasprompt da HeyGen; o relatório da HeyGen diz "Escreve a ação ao lado das palavras. O Avatar 6 executa-a no momento exato"
Texto de direção longo e livreKling, cujo prompt permite 5,000 caracteres
Ficheiro de áudio entre 5 e 15 MBHeyGen

Quanto à qualidade, o relatório técnico da HeyGen publica votos de preferência apenas contra os seus 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, por isso não fazemos nenhuma afirmação de qualidade entre os dois. Se for a qualidade a decidir, submete a mesma foto e o mesmo áudio aos dois, o que custa 70 + 100 = 170 créditos ($0.85) por um par de 10 segundos com Kling Standard e HeyGen Turbo 1080p.

Mudar: o diff JSON

Um pedido Kling Avatar 2.0 corresponde diretamente ao modo foto da HeyGen, porque ambos usam image_urls (um item), audio_url e prompt. Eis um pedido Kling da sua documentação:

{
  "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 trabalho 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 heygen-avatar-6 ou heygen-avatar-6-turbo.
  2. Opcionalmente, adiciona resolution (1080p predefinido, ou 2K).
  3. Corta o prompt para 1,200 caracteres e reescreve-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 adiciones aspect_ratio no modo foto. O vídeo mantém a proporção da foto.

O endpoint de estado, o formato do callback e o resultado files[].file_url são os mesmos, por isso o teu código de polling e de download não muda. No sentido inverso, só os pedidos em modo foto podem passar para o Kling; os pedidos de texto, avatar e vídeo de referência não têm equivalente Kling no PoYo.

Perguntas frequentes

A HeyGen Avatar 6 API é mais barata do 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 no PoYo. O Kling Avatar 2.0 precisa de audio_url. O modo avatar público da HeyGen aceita, em vez disso, text e um voice.

O HeyGen Avatar 6 e o Kling Avatar 2.0 usam o mesmo formato de pedido?

O mesmo endpoint e o mesmo envelope. No modo foto, os campos de input sobrepõem-se (image_urls, audio_url, prompt), por isso mudar é sobretudo uma questão da string model.

Que duração de áudio aceitam as duas APIs?

2–60 segundos em ambas. A HeyGen permite ficheiros até 15 MB; o Kling até 5 MB quando o tamanho é detetável.

Que API devo usar para uma mascote de desenho animado?

O modo vídeo de referência do HeyGen Avatar 6, documentado para personagens animadas e ilustradas. Vê o guia da HeyGen Avatar 6 API para o corpo do pedido.

Share: