![]()
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_url | 2–60 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 |
resolution | 1080p(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 6 | Kling 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 | 1 | 1 |
| 输出分辨率选择 | 1080p 或 2K | PoYo 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-turbo | kling-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/standard | 7 积分($0.035) | 70 积分($0.35) | 210 积分($1.05) | 420 积分($2.10) |
heygen-avatar-6-turbo 1080p | 10 积分($0.05) | 100 积分($0.50) | 300 积分($1.50) | 600 积分($3.00) |
kling-avatar-2.0/pro | 14 积分($0.07) | 140 积分($0.70) | 420 积分($2.10) | 840 积分($4.20) |
heygen-avatar-6-turbo 2K | 18 积分($0.09) | 180 积分($0.90) | 540 积分($2.70) | 1,080 积分($5.40) |
heygen-avatar-6 1080p | 20 积分($0.10) | 200 积分($1.00) | 600 积分($3.00) | 1,200 积分($6.00) |
heygen-avatar-6 2K | 29 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 2K | heygen-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:
model改为heygen-avatar-6或heygen-avatar-6-turbo。- 可选地添加
resolution(默认1080p,或2K)。 - 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。 - 音频大小上限从 5 MB 提高到 15 MB;2–60 秒的时长规则不变。
- 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。