comparisons

HeyGen Avatar 6 API vs Kling Avatar 2.0 API:字段、限制与单条视频价格对比

Poyo.ai Team
4 min read
Share:

HeyGen Avatar 6 API vs Kling Avatar 2.0 API:请求字段、限制与单条视频价格

HeyGen Avatar 6 API 是 PoYo 上的第一个 HeyGen 模型,所以没有可以迁移过来的前代模型。PoYo 上已有的最接近的模型是 Kling Avatar 2.0:两者都接收一张图片加一段 2–60 秒的驱动音频,并通过同一个提交接口返回口型同步的说话视频。本文依据 2026 年 11 月 18 日查阅的两份 PoYo 文档,把 heygen-avatar-6 / heygen-avatar-6-turbo 与 kling-avatar-2.0/standard / kling-avatar-2.0/pro 逐字段对照。HeyGen 这一侧也可以在 HeyGen Avatar 6 模型页上查看。

相同的接口,不同的输入

两个模型都通过 model、可选的顶层 callback_url 和 input 对象调用 POST https://api.poyo.ai/api/generate/submit,都返回一个 task_id,再通过 GET /api/generate/status/{task_id} 轮询。区别在于 input 接受什么。

字段HeyGen Avatar 6(两个档位)Kling Avatar 2.0(两个档位)
image_urls恰好一个;照片模式必填,参考视频模式可选恰好一个;必填
audio_url2–60 秒,最大 15 MB;除使用 text 外均必填2–60 秒;可检测到大小时最大 5 MB;必填
prompt可选,最多 1,200 个字符(手势、表情、姿态)可选,最多 5,000 个字符
video_url参考视频模式:动画或插画角色,至少 2 秒,最大 50 MB不支持
avatar公共数字人模式:1,248 个 HeyGen 形象不支持
text + voice公共数字人模式:最多 1,000 个字符,102 个音色不支持
aspect_ratio公共数字人模式:16:9、9:16、1:1、4:5、5:4文档未说明
resolution1080p(默认)或 2K文档未说明

两者的重叠部分是照片加音频。HeyGen 额外提供的一切(文本输入、现成主持人、角色视频片段、分辨率开关)在 PoYo 的 Kling Avatar 2.0 schema 中都没有对应项。

限制对照

限制HeyGen Avatar 6Kling Avatar 2.0
驱动音频时长2–60 秒2–60 秒
驱动音频大小最大 15 MB最大 5 MB(可检测时)
无音频文件的语音支持,text 最多 1,000 个字符不支持
参考图片数量11
输出分辨率选择1080p 或 2KPoYo 的 schema 中无此字段
提示词长度1,200 个字符5,000 个字符
模型档位heygen-avatar-6、heygen-avatar-6-turbokling-avatar-2.0/standard、kling-avatar-2.0/pro

在两者之间切换时,有两个限制容易踩坑。Kling 的音频上限 5 MB 只有 HeyGen 的三分之一,所以在 HeyGen 上能用的 60 秒 WAV 在 Kling 上可能被拒绝;如果两边都要路由,请压缩成 MP3。HeyGen 的提示词上限 1,200 个字符比 Kling 的 5,000 短,较长的 Kling 提示词必须删减。

同一片段的价格

两者都按秒计费(1 积分 = $0.005)。HeyGen 的音频请求按音频时长向上取整到整秒计费。

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

1080p 的 Turbo(每秒 10 积分)介于 Kling Standard 和 Kling Pro 之间。2K 的 Turbo 每秒 18 积分,而且 HeyGen 这边明确标注了输出分辨率。完整价格表和计费规则见 HeyGen Avatar 6 API 价格。

两个 API 各自适合什么

上面的事实表明,应该按输入来分工,而不是比较“哪个更好”:

请求路由到
照片 + 已录制音频,追求最低每秒成本kling-avatar-2.0/standard
照片 + 已录制音频,需要明确的 1080p 或 2Kheygen-avatar-6-turbo 或 heygen-avatar-6
只有脚本,没有录音HeyGen 公共数字人模式(文本生成数字人)
用一段短视频驱动卡通形象或吉祥物HeyGen 参考视频模式
手势与特定词语对齐HeyGen prompt;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”
很长的自由格式导演说明Kling,其提示词最多可达 5,000 个字符
音频文件在 5 到 15 MB 之间HeyGen

关于质量,HeyGen 的技术报告只公布了与自家前代模型的偏好投票(879 票中 69.7% 更喜欢 Avatar 6 Quality 而非 Avatar V)。我们没有用相同输入测试过 HeyGen Avatar 6 与 Kling Avatar 2.0 的对比,因此不对二者的质量高低下结论。如果质量是决定因素,就把同一张照片和同一段音频同时提交给两者:用 Kling Standard 和 HeyGen Turbo 1080p 生成一对 10 秒片段,费用为 70 + 100 = 170 积分($0.85)。

切换:JSON 改动

Kling Avatar 2.0 的请求可以直接映射到 HeyGen 照片模式,因为两者都使用 image_urls(一个元素)、audio_url 和 prompt。下面是 Kling 文档中的请求:

{
  "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."
  }
}

同样的任务换成 HeyGen Avatar 6 照片模式:

{
  "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"
  }
}

改动如下:

  1. model 改为 heygen-avatar-6 或 heygen-avatar-6-turbo。
  2. 可选地添加 resolution(默认 1080p,或 2K)。
  3. 把 prompt 截短到 1,200 个字符,并改写成关于手势、表情和姿态的指令。
  4. 音频大小上限从 5 MB 提高到 15 MB;2–60 秒的时长规则不变。
  5. 照片模式下不要添加 aspect_ratio。视频保持照片的宽高比。

状态接口、回调格式和 files[].file_url 结果都相同,所以轮询和下载代码无需改动。反过来,只有照片模式的请求可以迁到 Kling;文本、公共数字人和参考视频请求在 PoYo 上没有 Kling 的对应功能。

常见问题

HeyGen Avatar 6 API 比 Kling Avatar 2.0 便宜吗?

按每秒费率,Kling Avatar 2.0 更低:Kling Standard 每秒 7 积分($0.035),Kling Pro 每秒 14 积分($0.07)。HeyGen Turbo 在 1080p 下每秒 10 积分($0.05),2K 下每秒 18 积分($0.09)。

Kling Avatar 2.0 能像 HeyGen Avatar 6 API 那样朗读文本吗?

在 PoYo 上不能。Kling Avatar 2.0 需要 audio_url。HeyGen 的公共数字人模式则可以用 text 和 voice 代替。

HeyGen Avatar 6 和 Kling Avatar 2.0 使用相同的请求格式吗?

接口和外层结构相同。在照片模式下 input 字段(image_urls、audio_url、prompt)重叠,所以切换基本只需改 model 字符串。

两个 API 接受的音频时长是多少?

都是 2–60 秒。HeyGen 允许最大 15 MB 的文件;Kling 在可检测大小时最大 5 MB。

卡通吉祥物应该用哪个 API?

HeyGen Avatar 6 参考视频模式,文档中明确说明它适用于动画和插画角色。请求体见 HeyGen Avatar 6 API 指南。

Share: