![]()
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-6 | heygen-avatar-6-turbo |
|---|---|---|
| HeyGen 档位 | Avatar 6 Quality | Avatar 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 avatar | avatar + text(+ 可选 voice),或 avatar + audio_url | aspect_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_url | 2–60 秒,最大 15 MB;视频时长等于音频时长 |
text | 1–1,000 个字符(公共数字人模式下替代 audio_url) |
avatar | 1,248 个名称(156 位人物)之一;忽略大小写和多余空格 |
voice | 102 个名称之一;默认 Warm Pro Narrator |
prompt | 最多 1,200 个字符 |
resolution | 1080p 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-turbo | 10 积分($0.05) | 18 积分($0.09) | 100 积分($0.50) | 600 积分($3.00) |
heygen-avatar-6 | 20 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-turbo | Abigail Office Front / Jessica Anne Bogart | 27 个单词,16:9,1080p | 10.16 秒 | 110 积分(11 秒 × 10) | 约 2.4 分钟 |
heygen-avatar-6 | Bryan Tech Expert / Andrew | 21 个单词,16:9,1080p | 6.88 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。