guides

HeyGen Avatar 6 API:HeyGen Avatar 6 是什么、模型 ID、输入模式、限制与价格

Poyo.ai Team
5 min read
Share:

PoYo 上的 HeyGen Avatar 6 API:模型 ID、输入模式、限制与价格

HeyGen Avatar 6 API 已在 PoYo 上线,提供两个模型 ID:heygen-avatar-6,以及 1080p 价格减半的 Turbo 档位 heygen-avatar-6-turbo。两者都能把一张照片、一段动画角色的参考视频,或 HeyGen 1,248 个公共数字人形象之一,生成 1080p 或 2K 的口型同步说话 MP4,由你的音频驱动;公共数字人还可以直接用文本驱动。写代码之前,可以先在 HeyGen Avatar 6 模型页上试用两个档位。

本文概述 HeyGen 发布了什么、PoYo 上的请求格式、代码需要校验的限制、按秒计费的价格,以及我们在上线当天的实测结果。

HeyGen Avatar 6 是什么?

HeyGen Avatar 6 是 HeyGen 的数字人说话视频模型。HeyGen 于 2026 年 11 月 17 日发布的技术报告称“Avatar 6 能以最高 2K 还原一个人的样貌、说话方式和动作”,并且“只需一张照片”即可生成。HeyGen 提供 Avatar 6 Quality 和 Avatar 6 Turbo 两个档位,在 PoYo 上分别是 heygen-avatar-6 和 heygen-avatar-6-turbo。

日期事件
2026 年 11 月 17 日HeyGen 发布 Avatar 6 技术报告
2026 年 11 月 19 日两个档位在 PoYo 上可通过 heygen-avatar-6 和 heygen-avatar-6-turbo 调用

HeyGen 的说法中有三点对接入很重要,因为它们直接对应请求字段:

  • 原生 2K。 HeyGen 称“每一帧都以 2880×1620 生成”。在 PoYo 上用 "resolution": "2K" 选择。
  • 动作提示词。 HeyGen 的报告写道:“把动作写在台词旁边,Avatar 6 会在对应时刻准确做出。”在 PoYo 上对应 prompt 字段,最多 1,200 个字符。
  • 优于 Avatar V 的偏好率。 在 HeyGen 的在线投票中,879 票里 69.7% 更喜欢 Avatar 6 Quality 而非 Avatar V,863 票里 64.3% 更喜欢 Avatar 6 Turbo 而非 Avatar V Turbo。这些是 HeyGen 自己的数据。

HeyGen Avatar 6 API 速览

项目heygen-avatar-6heygen-avatar-6-turbo
HeyGen 档位Avatar 6 QualityAvatar 6 Turbo
提交接口POST https://api.poyo.ai/api/generate/submit相同
获取结果GET /api/generate/status/{task_id} 或 callback_url相同
输入模式照片、参考视频、公共数字人同样三种
输出一个 MP4,1080p(默认)或 2K相同
语音输入音频 2–60 秒,或文本最多 1,000 个字符(仅公共数字人)相同
价格,1080p每秒 20 积分($0.10)每秒 10 积分($0.05)
价格,2K每秒 29 积分($0.145)每秒 18 积分($0.09)

两者请求字段完全相同,切换档位只需更改 model 字符串。字段规则见 PoYo HeyGen Avatar 6 文档。

三种输入模式,一个接口

没有 mode 字段。你发送的输入按以下顺序决定模式:

模式触发条件输入宽高比
公共数字人存在 avataravatar + text(+ 可选 voice),或 avatar + audio_urlaspect_ratio:16:9(默认)、9:16、1:1、4:5、5:4
参考视频存在 video_url(且没有 avatar)video_url + audio_url,可选在 image_urls 中放一张照片跟随输入视频
照片默认image_urls(恰好一个) + audio_url跟随输入照片

prompt 和 resolution 在所有模式下都可用。aspect_ratio 和 voice 仅属于公共数字人模式。每个请求只发送一种模式的输入。HeyGen 自己的开发者文档把这些功能拆成两套独立的 API(一套是处理图片或视频加音频的模型 API,一套是处理 HeyGen 数字人形象的应用 API);在 PoYo 上两者共用一种请求格式。

参考视频模式适用于动画或插画角色。如果是真人,请使用照片模式并提供一张照片。

提交前需要校验的限制

字段规则
image_urls恰好一个 URL;使用 image_urls[0]
video_url至少 2 秒,最大 50 MB
audio_url2–60 秒,最大 15 MB;视频时长等于音频时长
text1–1,000 个字符(公共数字人模式下替代 audio_url)
avatar1,248 个名称(156 位人物)之一;忽略大小写和多余空格
voice102 个名称之一;默认 Warm Pro Narrator
prompt最多 1,200 个字符
resolution1080p 或 2K

所有媒体 URL 都必须公开,并可通过 HTTP 或 HTTPS 直接下载。PoYo 在提交时就会检查音频时长、参考视频时长和数字人名称,因此错误的输入会立即失败,而不用等待很久。输出可能比音频短约十分之一秒。所有数字人和音色名称都列在 Avatars and Voices 中,并提供可下载的 JSON 目录。

PoYo 上的 HeyGen Avatar 6 API 价格

PoYo 按输出秒数以积分计费(1 积分 = $0.005):

模型1080p 每秒2K 每秒1080p 10 秒1080p 60 秒
heygen-avatar-6-turbo10 积分($0.05)18 积分($0.09)100 积分($0.50)600 积分($3.00)
heygen-avatar-620 积分($0.10)29 积分($0.145)200 积分($1.00)1,200 积分($6.00)

计费秒数向上取整到整秒。使用 audio_url 时,费用按音频时长计算,在提交时扣除。使用 text 时,PoYo 在提交时预留积分,任务结束时按成片时长结算。完整明细和计算示例见 HeyGen Avatar 6 API 价格。

上线当天的测试结果

PoYo 团队于 2026 年 11 月 19 日在生产 API 上以公共数字人 + 文本模式运行了以下测试。耗时是轮询客户端看到的从提交到出结果的时间,仅供参考。

模型数字人 / 音色脚本输出费用(按当前价格)耗时
heygen-avatar-6-turboAbigail Office Front / Jessica Anne Bogart27 个单词,16:9,1080p10.16 秒110 积分(11 秒 × 10)约 2.4 分钟
heygen-avatar-6Bryan Tech Expert / Andrew21 个单词,16:9,1080p6.88 秒140 积分(7 秒 × 20)约 2 分钟

一个短片段也要两分钟以上,说明这是异步 API:提交后保存 task_id,再轮询或接收回调。不要在任务运行期间一直挂着面向用户的 HTTP 请求。

HeyGen Avatar 6 API 快速上手

以下是文档中公共数字人 + 文本模式的示例:

curl https://api.poyo.ai/api/generate/submit \
  -H "Authorization: Bearer $POYO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "heygen-avatar-6-turbo",
    "input": {
      "avatar": "Abigail Office Front",
      "text": "Hello and welcome to this demonstration of HeyGen Avatar 6.",
      "voice": "Warm Pro Narrator",
      "prompt": "Speak with calm confidence and nod slightly at the end.",
      "aspect_ratio": "16:9",
      "resolution": "1080p"
    }
  }'

检查响应体中的 code(必须为 200),保存 data.task_id,然后调用 GET https://api.poyo.ai/api/generate/status/{task_id},直到 status 变为 finished,再从 data.files[].file_url 读取 MP4。生成的视频保留 3 天,请复制到你自己的存储中。照片模式、参考视频模式、有上限的 Python 轮询循环和错误处理见 HeyGen Avatar 6 API 指南。

哪些请求适合 HeyGen Avatar 6 API

需求调用
只有脚本、没有音频文件,生成主持人视频公共数字人模式下的 heygen-avatar-6 或 -turbo(文本生成数字人教程)
用真人照片说出你的音频,1080p 或 2K照片模式
让吉祥物或卡通角色说话参考视频模式
草稿、预览、大批量heygen-avatar-6-turbo(见 Avatar 6 vs Turbo)
照片加音频,追求最低每秒价格与 Kling Avatar 2.0 对比
音频超过 60 秒OmniHuman 2.0 支持 4–300 秒音频、720p,每秒 21 积分

常见问题

HeyGen Avatar 6 API 的模型 ID 是什么?

heygen-avatar-6(HeyGen 的 Avatar 6 Quality 档位)和 heygen-avatar-6-turbo。两者都使用 POST https://api.poyo.ai/api/generate/submit,input 字段相同。

HeyGen Avatar 6 API 多少钱?

在 PoYo 上按输出秒计费:Turbo 在 1080p 下每秒 10 积分($0.05),2K 下每秒 18 积分($0.09);Avatar 6 在 1080p 下每秒 20 积分($0.10),2K 下每秒 29 积分($0.145)。秒数向上取整。

HeyGen Avatar 6 API 能只用文本生成视频吗?

可以,使用公共数字人模式。发送 avatar 和最多 1,000 个字符的 text,并可选从 102 个音色中指定 voice。照片模式和参考视频模式需要 audio_url。

HeyGen Avatar 6 API 视频最长多长?

使用音频时为 2–60 秒,与音频时长一致。使用文本时,视频时长取决于数字人读完最多 1,000 个字符所需的时间。

HeyGen Avatar 6 API 支持哪些分辨率?

1080p(默认)和 2K。公共数字人模式还支持 aspect_ratio(16:9、9:16、1:1、4:5、5:4);其他模式保持输入的宽高比。

HeyGen Avatar 6 API 支持 Webhook 吗?

支持。在顶层添加 callback_url,任务变为 finished 或 failed 时,PoYo 会 POST 任务结果。你也可以轮询状态接口。

Share: