Introducción
Inferencia acelerada de Avatar 6 pensada para iterar rápido y escalar videos masivos.
| Campo | Valor |
|---|---|
| Entrada | Imagen y Audio |
| Salida | Video |
| Identificador del modelo | heygen/avatar-6-turbo/talking-avatar |
| Familia del motor | HeyGen — edición Avatar 6 Turbo |
| Entradas multimedia principales | Imagen de retrato (JPEG/PNG/WebP, máx. 32 MB) más audio de voz (MP3/WAV) |
| Rango de duración de audio | Mínimo 1 segundo y hasta 600 segundos (10 minutos) por clip |
| Ajustes de resolución | 1080p (lado corto de 1,080 px, predeterminado) o 2k (lado corto de 1,620 px) |
| Tamaño de cuadro a medida | Par opcional width y height en enteros pares de 256 a 3,840 |
| Ajuste de gestos y prompt | Campo prompt opcional (hasta 1,200 car.) y expressiveness (default o less) |
| Entrada de video de referencia | Un clip MP4/WebM opcional (mínimo 2 s; personajes animados o ilustrados en espacios estándar) |
| Tarifas SpicyAPI por segundo | $0.06/s en 1080p; $0.105/s en 2K (cobrado por segundo entero de audio de entrada) |
| Salida comprobada en pruebas | Un audio vertical de 3.79 s en 1080p entregó un MP4 limpio de 1088×1632 |
Funciones y aspectos destacados
Presencia nocturna optimizada para producción en volumen
Con un precio de $0.06 por segundo en 1080p, Avatar 6 Turbo reduce a la mitad el gasto por segundo frente a Avatar 6 estándar sin perder giros de cabeza acordes al guion ni matices faciales. En nuestra muestra de salón nocturno, un hombre con camisa de seda oscura desabotonada bajo luz ámbar habla directo al lente con media sonrisa pausada y asentimientos naturales. Ese equilibrio vuelve rentable la localización masiva y los clips editoriales nocturnos sin sacrificar atmósfera.
Nitidez en clave baja sobre encuadres de estudio oscuros
Cambiar resolution a 2k produce un lado corto de 1,620 píxeles por aproximadamente 40% menos que Avatar 6 estándar ($0.105/s contra $0.174/s). Nuestra muestra en cabina oscura empareja a una mujer con blusa negra tejida de hombros descubiertos con una voz de estudio, manteniendo enfoque firme en la mirada, transiciones suaves en las sombras y sincronización labial constante. Los equipos que producen recorridos en varios idiomas o intros en plano cercano logran claridad 2K con presupuesto de lote.
Prototipa en Turbo y asciende tus tomas estelares
Avatar 6 Turbo acepta exactamente los mismos campos de retrato, audio, prompt de movimiento, resolution, expressiveness, video de referencia y medidas personalizadas que Avatar 6 estándar. Tus flujos de producto y localización pueden probar guiones, comparar lecturas vocales y lanzar cientos de piezas regionales en Turbo, cambiando después un único identificador de modelo cuando una pieza insignia amerite Avatar 6 estándar.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
image_url | Sí | La API HeyGen Avatar 6 Turbo genera clips parlantes en 1080p y 2K con entrega rápida y menor costo por segundo para campañas personalizadas de gran volumen. mínimo 1 caracteres |
audio_url | Sí | La duración coincide con el audio; el tamaño manual requiere ancho y alto pares. mínimo 1 caracteres |
prompt | No | Valida guiones con Turbo y deja Avatar 6 estándar para piezas principales. mínimo 1 caracteres · máximo 1200 caracteres |
resolution | No | 1080p / 2k |
expressiveness | No | default / less |
reference_video_urls | No | ≥ 2s (optional) mínimo 1 elementos · máximo 1 elementos |
width | No | 256–3840 (even) |
height | No | 256–3840 (even) |
Precios
| Especificación | Precio |
|---|---|
| $0.06 / segundo |
| $0.105 / segundo |
Casos de uso
Recorridos de producto multilingües a escala
Alimenta un solo retrato de presentador autorizado con pistas MP3 o WAV traducidas para publicar en paralelo decenas de guías regionales sincronizadas. A $0.06/s en 1080p, un lote de 100 recorridos de 30 segundos suma $180 en vez de $360.
Prototipado ágil de guiones y actuación
Compara cadencias vocales, indicaciones de movimiento y un estilo sereno frente a otro más expresivo antes de cerrar el corte final. Al no haber cobro por trabajos fallidos y costar seis centavos por segundo de audio en 1080p, iterar sobre tomas breves mantiene el presupuesto bajo control.
Presentadores editoriales nocturnos con atmósfera
Combina retratos en clave baja — bares ámbar, balcones con velas o estudios teñidos de neón — con locución cercana para resúmenes culturales, adelantos de moda o promociones de pódcast que apuestan por una mirada serena en vez de luz de estudio plana.
Módulos extensos de capacitación e inducción
Anima lecciones habladas continuas de hasta 600 segundos en una sola solicitud, evitando cortes incómodos a mitad de frase. El movimiento guiado por contexto mantiene los ajustes de postura alineados con el ritmo de explicaciones de varios minutos.
Campañas personalizadas y envíos de CRM
Produce saludos a medida por cuenta, invitaciones a eventos u ofertas de temporada de manera programática desde una sola foto de anfitrión aprobada y audios sintetizados dinámicamente.
Guía de prompts y consejos prácticos
Valida derechos de retrato y locución
Selecciona un retrato bien enfocado (JPEG, PNG o WebP de hasta 32 MB) y un audio MP3 o WAV de un adulto que consienta y tengas autorización completa para representar.
Revisa duración y cadencia del audio
Mantén
audio_urlentre 1 y 600 segundos, pues el monto total escala por segundos enteros de audio de entrada redondeados hacia arriba.Elige nivel y dirección de desempeño
Escoge 1080p ($0.06/s) para lotes rápidos o 2k ($0.105/s) para mayor detalle, luego añade un prompt opcional de hasta 1,200 caracteres y selecciona expressiveness en default o less.
Inspecciona el encuadre y archiva el video
Omite width y height para respetar la proporción de tu retrato, o indica un par de enteros pares entre 256 y 3,840; verifica el ajuste labial y descarga el MP4.
Descripción general
heygen/avatar-6-turbo/talking-avatar transforma una sola foto de retrato y una pista hablada en un video MP4 sincronizado en 1080p o 2K. Como versión enfocada en velocidad y eficiencia de HeyGen Avatar 6, Avatar 6 Turbo conserva los gestos faciales coordinados al discurso, el movimiento no repetitivo y el mismo contrato de API, recortando a la mitad el gasto por segundo en 1080p ($0.06/s frente a $0.12/s) y cerca de un 40% en 2K ($0.105/s frente a $0.174/s).
En nuestra verificación en vivo del 19 de noviembre de 2026, enviar un audio vertical de 3.79 segundos en 1080p entregó un MP4 limpio de 1088×1632 con movimiento labial preciso y encuadre original intacto.
Parámetros
| Parámetro | Obligatorio | Tipo / Valores | Función |
|---|---|---|---|
image_url | Sí | URL (JPEG / PNG / WebP, máx. 32 MB) | Retrato o ilustración de un solo sujeto adulto; la salida hereda su proporción salvo que se sobrescriba. |
audio_url | Sí | URI (MP3 o WAV, 1–600 s) | Pista de voz que rige sincronización labial, cadencia y duración del clip. Define la base de cobro. |
prompt | No | Cadena (1–1,200 car.) | Indicaciones claras de expresión, mirada, postura y manos. Prevalece sobre expressiveness si coinciden. |
resolution | No | 1080p (predet.) o 2k | Nivel de salida: lado corto de 1,080 px (1080p) o 1,620 px (2k). Cambia la tarifa por segundo. |
expressiveness | No | default o less | Rango gestual: default para movimiento natural acorde al texto, less para gestualidad más sobria. |
reference_video_urls | No | Arreglo de 1 URI (MP4/WebM, ≥ 2 s) | Clip opcional de movimiento para personajes animados o ilustrados en espacios estándar. |
width | No | Entero par (256–3,840) | Ancho exacto en píxeles; debe acompañarse de height. |
height | No | Entero par (256–3,840) | Alto exacto en píxeles; debe acompañarse de width. |
Precios y cálculo por lotes
El cobro sigue la duración del audio de entrada redondeada hacia arriba a segundos enteros (mínimo 1 segundo, máximo 600 segundos). Las solicitudes fallidas cuestan cero. Las tarifas actuales en SpicyAPI son $0.06 / segundo en 1080p y $0.105 / segundo en 2K (revisa los precios vigentes en la página del modelo HeyGen Avatar 6 Turbo).
| Duración del clip | 1 clip 1080p | 1 clip 2K | Ejemplo en lote (1080p) | Ejemplo en lote (2K) |
|---|---|---|---|---|
| 30 segundos | $1.80 | $3.15 | 100 recorridos localizados = $180.00 | 100 recorridos localizados = $315.00 |
| 180 segundos (3 min) | $10.80 | $18.90 | 20 lecciones de curso = $216.00 | 20 lecciones de curso = $378.00 |
| 600 segundos (10 min) | $36.00 | $63.00 | 10 presentaciones completas = $360.00 | 10 presentaciones completas = $630.00 |
Cómo elegir entre Avatar 6 Turbo, Avatar 6 y Avatar IV
| Capacidad | Avatar 6 Turbo | Avatar 6 | Avatar IV |
|---|---|---|---|
| Tarifa 1080p | $0.06 / s | $0.12 / s | Tarifa fija de 360p a 1080p |
| Salida 2K | Sí ($0.105 / s) | Sí ($0.174 / s) | No (máx. 1080p) |
| Audio máximo | 600 segundos | 600 segundos | 600 segundos |
| Controles de movimiento | prompt + default/less | prompt + default/less | prompt + low/medium/high |
| Cambio de fondo | No (escena fija en el retrato) | No (escena fija en el retrato) | Sí (background_image_url) |
| Medidas pares exactas | Sí (width + height) | Sí (width + height) | No (ajustes aspect_ratio) |
| Uso típico | Localización masiva, borradores rápidos, corridas diarias | Primeros planos insignia, matices actorales espontáneos | Reemplazo de fondo o niveles menores a 1080p |
Consejos de flujo y prompting
Acompaña Turbo con notas concisas de movimiento
Las pruebas de la comunidad muestran que Avatar 6 Turbo iguala de cerca a Avatar 6 estándar cuando prompt define pautas concretas de mirada, postura y actitud — por ejemplo, inclinarse ligeramente hacia la cámara con una media sonrisa cálida en un bar tenue o sostener una postura serena bajo luces neón. Deja iluminación y vestuario a image_url, y dedica prompt a la interpretación.
Haz borradores en Turbo antes de ascender tomas principales
Como ambos modelos Avatar 6 validan exactamente la misma carga, ejecuta tus revisiones de audio multilingüe y ajustes de guion en heygen/avatar-6-turbo/talking-avatar en 1080p. Cuando un lanzamiento estrella pida Avatar 6 estándar, cambia solo el identificador del modelo sin tocar el mapeo de campos.
Controla audio y geometría desde el inicio
Recorta silencios sobrantes de tus archivos MP3 o WAV antes de subirlos para no pagar colas vacías. Si envías width y height, elige enteros pares coherentes con la orientación de tu retrato para evitar recortes forzados.
Consentimiento, derechos y límites de uso
Envía estrictamente retratos y grabaciones de voz de adultos que consientan y que tengas autorización para representar. Confirma el permiso tanto sobre la imagen como sobre el audio hablado antes de invocar el endpoint y nunca uses este modelo para suplantar identidades. Los clips de personas reales enviados en reference_video_urls se bloquean en espacios estándar; utiliza en su lugar una fotografía autorizada en image_url.
Inicio rápido de la API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "heygen/avatar-6-turbo/talking-avatar",
"input": {
"audio_url": "https://example.com/reference.mp3",
"expressiveness": "default",
"image_url": "https://example.com/reference.png",
"resolution": "1080p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.



