comparisons

HeyGen Avatar 6 API vs Kling Avatar 2.0 API: field, giới hạn và giá mỗi clip

Poyo.ai Team
8 min read
Share:

HeyGen Avatar 6 API vs Kling Avatar 2.0 API: field request, giới hạn và giá mỗi clip

HeyGen Avatar 6 API là model HeyGen đầu tiên trên PoYo, nên không có model tiền nhiệm nào để chuyển đổi. Model gần nhất đã có trên PoYo là Kling Avatar 2.0: cả hai đều nhận một ảnh cộng một file âm thanh điều khiển dài 2–60 giây và trả về video nói chuyện khớp khẩu hình qua cùng một endpoint gửi. Bài so sánh này đặt heygen-avatar-6 / heygen-avatar-6-turbo cạnh kling-avatar-2.0/standard / kling-avatar-2.0/pro, theo từng field, dựa trên cả hai trang tài liệu PoYo được kiểm tra ngày 18 tháng 11 năm 2026. Phía HeyGen cũng có trên trang model HeyGen Avatar 6.

Cùng endpoint, đầu vào khác nhau

Cả hai model dùng POST https://api.poyo.ai/api/generate/submit với model, callback_url tùy chọn ở cấp cao nhất và một đối tượng input, và cả hai trả về một task_id để bạn polling tại GET /api/generate/status/{task_id}. Khác biệt nằm ở những gì input chấp nhận.

FieldHeyGen Avatar 6 (cả hai tier)Kling Avatar 2.0 (cả hai tier)
image_urlsĐúng một; bắt buộc ở chế độ ảnh, tùy chọn ở chế độ video tham chiếuĐúng một; bắt buộc
audio_url2–60 giây, tối đa 15 MB; bắt buộc trừ khi dùng text2–60 giây; tối đa 5 MB khi phát hiện được kích thước; bắt buộc
promptTùy chọn, tối đa 1,200 ký tự (cử chỉ, biểu cảm, tư thế)Tùy chọn, tối đa 5,000 ký tự
video_urlChế độ video tham chiếu: nhân vật hoạt hình hoặc minh họa, ít nhất 2 giây, tối đa 50 MBKhông có
avatarChế độ avatar công khai: 1,248 diện mạo HeyGenKhông có
text + voiceChế độ avatar công khai: tối đa 1,000 ký tự, 102 giọngKhông có
aspect_ratioChế độ avatar công khai: 16:9, 9:16, 1:1, 4:5, 5:4Không có trong tài liệu
resolution1080p (mặc định) hoặc 2KKhông có trong tài liệu

Phần chồng lấn là ảnh cộng âm thanh. Mọi thứ HeyGen bổ sung (đầu vào văn bản, người dẫn có sẵn, clip nhân vật, công tắc độ phân giải) đều không có thành phần tương ứng trong schema Kling Avatar 2.0 của PoYo.

So sánh giới hạn

Giới hạnHeyGen Avatar 6Kling Avatar 2.0
Độ dài âm thanh điều khiển2–60 giây2–60 giây
Kích thước âm thanh điều khiểnTối đa 15 MBTối đa 5 MB (khi phát hiện được)
Lời nói không cần file âm thanhCó, text tối đa 1,000 ký tựKhông
Số ảnh tham chiếu11
Lựa chọn độ phân giải đầu ra1080p hoặc 2KKhông có field trong schema của PoYo
Độ dài prompt1,200 ký tự5,000 ký tự
Tier modelheygen-avatar-6, heygen-avatar-6-turbokling-avatar-2.0/standard, kling-avatar-2.0/pro

Có hai giới hạn hay gây vấp khi chuyển qua lại giữa hai model. Giới hạn âm thanh 5 MB của Kling chỉ bằng một phần ba của HeyGen, nên một file WAV 60 giây chạy được trên HeyGen có thể bị Kling từ chối; hãy nén sang MP3 nếu bạn định tuyến theo cả hai hướng. Prompt 1,200 ký tự của HeyGen ngắn hơn 5,000 của Kling, nên prompt Kling dài phải được cắt bớt.

Giá cho cùng một clip

Cả hai đều tính phí theo giây (1 credit = $0.005). Với HeyGen, request âm thanh được tính phí theo độ dài âm thanh làm tròn lên thành giây nguyên.

ModelGiá mỗi giâyClip 10 giâyClip 30 giâyClip 60 giây
kling-avatar-2.0/standard7 credit ($0.035)70 credit ($0.35)210 credit ($1.05)420 credit ($2.10)
heygen-avatar-6-turbo 1080p10 credit ($0.05)100 credit ($0.50)300 credit ($1.50)600 credit ($3.00)
kling-avatar-2.0/pro14 credit ($0.07)140 credit ($0.70)420 credit ($2.10)840 credit ($4.20)
heygen-avatar-6-turbo 2K18 credit ($0.09)180 credit ($0.90)540 credit ($2.70)1,080 credit ($5.40)
heygen-avatar-6 1080p20 credit ($0.10)200 credit ($1.00)600 credit ($3.00)1,200 credit ($6.00)
heygen-avatar-6 2K29 credit ($0.145)290 credit ($1.45)870 credit ($4.35)1,740 credit ($8.70)

Turbo ở 1080p (10 credit mỗi giây) nằm giữa Kling Standard và Kling Pro. Turbo ở 2K là 18 credit mỗi giây, và phía HeyGen nêu rõ độ phân giải đầu ra. Để xem bảng giá đầy đủ và quy tắc tính phí, hãy xem giá HeyGen Avatar 6 API.

Mỗi API dùng cho việc gì

Các dữ kiện trên gợi ý cách phân chia theo đầu vào, chứ không theo "cái nào tốt hơn":

RequestĐịnh tuyến đến
Ảnh + âm thanh thu sẵn, chi phí mỗi giây thấp nhấtkling-avatar-2.0/standard
Ảnh + âm thanh thu sẵn, 1080p hoặc 2K rõ ràngheygen-avatar-6-turbo hoặc heygen-avatar-6
Chỉ có kịch bản, không có bản thu giọngChế độ avatar công khai của HeyGen (văn bản thành avatar)
Nhân vật hoạt hình hoặc linh vật từ một clip ngắnChế độ video tham chiếu của HeyGen
Cử chỉ gắn với từ cụ thểprompt của HeyGen; báo cáo của HeyGen viết "Hãy viết hành động ngay cạnh lời thoại. Avatar 6 sẽ thực hiện đúng thời điểm"
Văn bản chỉ đạo dạng tự do dàiKling, với prompt cho phép 5,000 ký tự
File âm thanh từ 5 đến 15 MBHeyGen

Về chất lượng, báo cáo kỹ thuật của HeyGen chỉ công bố các cuộc bình chọn ưa thích so với các model cũ của chính họ (Avatar 6 Quality được 69.7% trong 879 phiếu ưa thích hơn Avatar V). Chúng tôi chưa chạy thử nghiệm cùng đầu vào giữa HeyGen Avatar 6 và Kling Avatar 2.0, nên chúng tôi không đưa ra nhận định nào về chất lượng giữa hai model. Nếu chất lượng là yếu tố quyết định, hãy gửi cùng ảnh và âm thanh cho cả hai, tốn 70 + 100 = 170 credit ($0.85) cho một cặp clip 10 giây ở Kling Standard và HeyGen Turbo 1080p.

Chuyển đổi: phần JSON thay đổi

Một request Kling Avatar 2.0 ánh xạ trực tiếp sang chế độ ảnh của HeyGen, vì cả hai đều dùng image_urls (một phần tử), audio_url và prompt. Đây là một request Kling từ tài liệu của nó:

{
  "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."
  }
}

Và cùng job đó trên chế độ ảnh của 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"
  }
}

Những gì thay đổi:

  1. model thành heygen-avatar-6 hoặc heygen-avatar-6-turbo.
  2. Tùy chọn thêm resolution (mặc định 1080p, hoặc 2K).
  3. Cắt prompt còn 1,200 ký tự, và viết lại thành chỉ dẫn về cử chỉ, biểu cảm và tư thế.
  4. Giới hạn kích thước âm thanh tăng từ 5 MB lên 15 MB; quy tắc độ dài 2–60 giây giữ nguyên.
  5. Không thêm aspect_ratio ở chế độ ảnh. Video giữ tỷ lệ khung hình của ảnh.

Endpoint trạng thái, dạng callback và kết quả files[].file_url đều giống nhau, nên code polling và tải về của bạn không thay đổi. Theo chiều ngược lại, chỉ request chế độ ảnh mới chuyển sang Kling được; request văn bản, avatar và video tham chiếu không có tương đương Kling trên PoYo.

Câu hỏi thường gặp

HeyGen Avatar 6 API có rẻ hơn Kling Avatar 2.0 không?

Kling Avatar 2.0 có mức giá mỗi giây thấp hơn: Kling Standard là 7 credit ($0.035) và Kling Pro là 14 credit ($0.07). HeyGen Turbo là 10 credit ($0.05) ở 1080p và 18 credit ($0.09) ở 2K.

Kling Avatar 2.0 có đọc văn bản như HeyGen Avatar 6 API được không?

Không trên PoYo. Kling Avatar 2.0 cần audio_url. Chế độ avatar công khai của HeyGen nhận text và voice thay thế.

HeyGen Avatar 6 và Kling Avatar 2.0 có dùng cùng định dạng request không?

Cùng endpoint và cấu trúc bao ngoài. Ở chế độ ảnh, các field input trùng nhau (image_urls, audio_url, prompt), nên chuyển đổi chủ yếu là đổi chuỗi model.

Cả hai API nhận âm thanh dài bao nhiêu?

2–60 giây trên cả hai. HeyGen cho phép file tối đa 15 MB; Kling tối đa 5 MB khi phát hiện được kích thước.

Nên dùng API nào cho một linh vật hoạt hình?

Chế độ video tham chiếu của HeyGen Avatar 6, được ghi trong tài liệu là dành cho nhân vật hoạt hình và minh họa. Xem hướng dẫn HeyGen Avatar 6 API để có request body.

Share: