![]()
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.
| Campo | HeyGen Avatar 6 (ambos os níveis) | Kling Avatar 2.0 (ambos os 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 detetado; obrigatório |
prompt | Opcional, até 1,200 caracteres (gestos, expressão, postura) | Opcional, até 5,000 caracteres |
video_url | Modo vídeo de referência: personagem animada ou ilustrada, 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 (predefinido) ou 2K | Não 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
| 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 detetável) |
| Fala sem ficheiro de áudio | Sim, text até 1,000 caracteres | Não |
| Número de imagens de referência | 1 | 1 |
| Escolha da resolução de saída | 1080p ou 2K | Nenhum campo no esquema do PoYo |
| Comprimento 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 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.
| Modelo | Tarifa por segundo | Clip de 10 s | Clip de 30 s | Clip 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 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":
| Pedido | Encaminhar para |
|---|---|
| Foto + áudio gravado, custo por segundo mais baixo | kling-avatar-2.0/standard |
| Foto + áudio gravado, 1080p ou 2K explícito | heygen-avatar-6-turbo ou heygen-avatar-6 |
| Apenas guião, sem gravação de voz | Modo avatar público da HeyGen (text-to-avatar) |
| Desenho animado ou mascote a partir de um clip curto | Modo vídeo de referência da HeyGen |
| Gestos ligados a palavras específicas | prompt 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 livre | Kling, cujo prompt permite 5,000 caracteres |
| Ficheiro de áudio entre 5 e 15 MB | HeyGen |
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:
modelpassa aheygen-avatar-6ouheygen-avatar-6-turbo.- Opcionalmente, adiciona
resolution(1080ppredefinido, ou2K). - Corta o
promptpara 1,200 caracteres e reescreve-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 adiciones
aspect_rationo 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.