HeyGen Avatar 6 '84% 구별 불가'의 실제 수치와 Word Edit·2K 스펙 정리
HeyGen Avatar 6 기술 리포트 기준 '84.4% 구별 불가' 튜링 테스트의 실제 계산 방식, 단독 클립 vs 나란히 비교, Word Edit 48.3 dB 보존 성능과 30초 동의 조건을 정리했다.


Q. HeyGen Avatar 6의 "84%가 진짜와 구별 못 했다"는 발표는 실제 영상과 똑같다는 뜻인가요? 나란히 비교(Side-by-side) 실험에서 평가자가 Avatar 6를 실제 영상으로 고른 비율이 42.2%였고, 완전 구별 불가 기준선인 50% 대비 비율(2 × 42.2%)을 환산해 84.4%로 표기한 수치다. 영상을 하나만 단독으로 보여 줬을 때 진짜로 판별된 비율은 본인 실제 음성 기준 65.1%, HeyGen Voice 클론 기준 56.5%(실제 녹화 78.9%)로 차이가 있다.
⚠️ 정확도 가드레일: 이 글은 2026년 11월 20일 기준이다. 모든 벤치마크 수치는 2026년 11월 17일 공개된 HeyGen Research 기술 리포트와 공식 제품 페이지·PR Newswire 발표에 근거한 자체 및 외부 위탁 평가 결과다. HeyGen 유료 플랜별 크레딧 차감량과 API 분당 단가는 해당 리포트에 공개되지 않아 이 글에서 다루지 않았다.
30초 요약
- 핵심 개선: 2026년 11월 17일 출시된 HeyGen Avatar 6는 런타임 컨텍스트 윈도우를 기존 약 3초에서 **30초(10배)**로 늘려 대본 맥락에 맞는 손동작·표정을 생성하고, 프레임당 Native 2K(2880×1620) 해상도와 무제한 영상 길이(25~28분 연속 생성 데모)를 지원한다.
- 84.4% 수치의 실체: 실제 영상과 나란히 둔 270건의 비교에서 42.2%가 Avatar 6를 진짜로 꼽았다(Avatar V는 44.4% 구별 불가). 단독 클립에서는 본인 음성 사용 시 65.1%, AI 음성 클론 사용 시 56.5%가 진짜로 판별됐다.
- 부분 단어 수정(Word Edit): 기존 촬영본에서 특정 단어만 바꾸는 편집 테스트에서 수정하지 않은 구간의 PSNR이 48.3 dB(경쟁 모델 Seedance 2.5 29.3 dB)로, 배경·의상 변형 없이 입 모양과 목소리만 교체한다.
- 실무 제약: 실존 인물 아바타를 만들 때는 일회용 코드가 포함된 실시간 카메라 동의 영상이 필수이며, 단일 사진이나 외부 플랫폼 API에서는 합성·사진 기반 아바타 중심으로 제공된다.
토리스 스튜디오 유튜브 쇼츠에서도 Avatar 6의 핵심 포인트를 짧게 정리했다.
1. "84.4% 구별 불가"는 어떻게 계산된 숫자인가
두 영상을 나란히 뒀을 때 42.2%가 AI를 진짜로 골랐다는 뜻이며, 단독 시청 시에는 음성 클론 여부에 따라 56.5%~65.1%로 내려간다. HeyGen Research 기술 리포트는 실제 인물 촬영본(Part A 참조 + Part B 정답)을 기준으로 두 가지 튜링 테스트를 분리해 공개했다.
| 평가 방식 | 세부 조건 | 진짜로 판별된 비율 | 응답 수 |
|---|---|---|---|
| 단독 클립 평가 (Single clip) | 실제 녹화 원본 영상 | 78.9% | 612건 |
| 단독 클립 평가 (Single clip) | Avatar 6 + 본인 실제 음성 | 65.1% | 304건 |
| 단독 클립 평가 (Single clip) | Avatar 6 + HeyGen Voice 클론 | 56.5% | 308건 |
| 나란히 비교 (Side-by-side) | 실제 영상 선택 비율 | 57.8% | 270건 |
| 나란히 비교 (Side-by-side) | Avatar 6를 진짜로 선택 비율 | 42.2% | 270건 |
| 구별 불가 환산치 (2 × 42.2%) | Avatar V는 44.4% 기록 | 84.4% | 270건 |
여기서 실무자가 봐야 할 대목은 음성 클론과의 격차다. 같은 Avatar 6 영상이라도 본인 실제 녹음 음성을 입혔을 때(65.1%)와 AI 음성 클론을 썼을 때(56.5%) 사이에 8.6%p 차이가 난다. 1인 크리에이터나 개발자가 튜토리얼·제품 소개 영상을 만들 때, 영상 모델만 바꾼다고 바로 실사처럼 보이는 것이 아니라 음성의 자연스러움이 사실감의 상당 부분을 좌우한다는 뜻이다.
Q. 이전 모델인 Avatar V와 비교하면 체감 차이가 큰가요? 나란히 비교 기준 구별 불가율이 Avatar V의 44.4%에서 Avatar 6의 84.4%로 40.0%p 올랐다. 온라인 사용자 블라인드 투표에서도 Avatar 6 Quality가 Avatar V 대비 69.7% 대 23.2%(기권 제외 시 75.0%)로 앞섰다.
2. 왜 제스처가 자연스러워졌는가: 3초에서 30초 컨텍스트와 Native 2K
기존 아바타가 짧은 동작을 반복 재생했다면, Avatar 6는 대본 문맥을 30초 단위로 읽고 발화 순간에 맞는 손동작을 생성한다. PR Newswire 공식 발표에 따르면 런타임 컨텍스트 윈도우가 약 3초에서 30초로 10배 늘었다. 덕분에 "첫째, 둘째, 셋째"를 말할 때 손가락으로 숫자를 세거나, "왼쪽 카운터"를 말할 때 옆을 가리키는 식의 **문맥 연동 제스처(Context-aware gestures)**가 들어간다.
해상도와 길이 제한도 바뀌었다. 모든 프레임은 **Native 2K(2880×1620)**로 생성되며, 고정 길이 제한 없이 오디오 길이에 맞춰 25~28분짜리 롱폼 영상도 루프 끊김 없이 한 번에 생성한 데모를 공개했다. 또한 HeyGen MCP를 통해 호스트와 게스트 두 아바타가 한 프레임 안에서 번갈아 대화하는 2인 팟캐스트 형식도 한 번에 렌더링할 수 있다. 에이전트 자동화 관점에서는 Claude Code 실험 기능 Code Mode 가이드처럼 CLI·MCP 기반 파이프라인에 영상 제작 단계를 직접 붙일 수 있는 점이 실용적이다.
3. 단일 사진 기준 9개 제품 비교와 부분 단어 수정(Word Edit) 성능
외부 평가자 6개 지표 종합에서 Avatar 6는 단일 사진(4.00점)·본인 영상(3.98점) 모두 1위를 기록했고, 특히 특정 단어만 고쳐 찍는 편집 성능에서 경쟁 모델과 큰 차이를 보였다.
| 모델/제품 (단일 사진 + 음성 입력) | 종합 점수 (5점) | 시각 품질 | 정체성 일치 | 립싱크 | 동작 자연스러움 | Avatar 6 승률 |
|---|---|---|---|---|---|---|
| HeyGen Avatar 6 | 4.00 | 4.33 | 4.39 | 4.12 | 4.01 | 기준 모델 |
| VEED Fabric 1.0 | 3.68 | 3.96 | 4.20 | 3.71 | 3.74 | 69.6% |
| Argil image avatar | 3.46 | 3.76 | 4.32 | 3.52 | 3.55 | 80.9% |
| OmniHuman v2 | 3.32 | 3.70 | 3.97 | 3.44 | 3.41 | 80.8% |
| Creatify Aurora | 3.29 | 3.33 | 3.99 | 3.48 | 3.40 | 84.3% |
본인 촬영 영상을 참조로 넣은 일반 비디오 생성 모델과의 1:1 비교(외부 평가자 기준)에서도 Avatar 6는 Seedance 2.5 대비 72.4%, Wan 3.0 대비 74.1%, **Kling 4.0 reference-to-video 대비 54.9%**의 선호도를 얻었다. 다만 단일 사진 입력만 놓고 보면 **Wan 3.0과의 선호도 승률은 50.1%(종합 점수 -0.01)**로 사실상 동률이었다. 즉, 사진 1장만 넣었을 때는 범용 비디오 모델도 만만치 않지만, 본인 영상 레퍼런스와 대화형 아바타 안정성에서 Avatar 6가 앞선다.
개발자·마케터에게 더 눈에 띄는 기능은 **Word Edit(부분 단어 수정)**이다. 기존 녹화 영상에서 "made a pizza"를 "made a lasagna"로 바꾸는 테스트에서 타 모델은 화면 전체를 다시 생성해 비편집 구간 PSNR이 19.5~29.3 dB에 그쳤지만, Avatar 6는 48.3 dB를 유지하고 프레임 변경률도 **34.4%**로 억제했다. 촬영본에서 가격·날짜·제품명 한 단어만 틀렸을 때 재촬영 없이 입 모양과 음성만 교체할 수 있다는 의미다.
4. 도입 전 확인할 보안·동의 절차와 30초 입력 조건
실존 인물 기반 개인 아바타를 만들려면 최소 30초 분량의 영상과 함께 일회용 코드를 읽는 실시간 카메라 동의 절차를 반드시 통과해야 한다. 기술 리포트에 따르면 사전에 녹화해 둔 영상이나 타인 영상으로는 동의 검증을 통과할 수 없으며, 동의 영상 속 인물과 학습 영상 속 인물이 일치하는지 검증이 끝나야 렌더링이 열린다.
외부 제3자 플랫폼(API 연동 포함)에서는 사진 기반·가상 아바타 생성이 지원되지만, 실존 인물의 고사실 아바타는 명시적 동의가 통제되는 HeyGen 플랫폼 내부에서만 생성 가능하도록 제한된다. 기존 개인 아바타 보유자는 추가 촬영 없이 자동으로 Avatar 6로 업그레이드된다.
토리스의 판단
제품 튜토리얼·다국어 데모·재촬영 비용이 큰 1인 스튜디오라면 Avatar 6가 실무 가치가 높다. 특히 Word Edit의 비편집 구간 보존(48.3 dB)과 30초 문맥 제스처는 매주 업데이트되는 SaaS 안내 영상을 고치는 시간을 크게 줄여 준다.
- 본인 목소리를 쓸 수 있는 환경이라면: 1인 개발자 유튜브·랜딩 페이지 데모 영상은 본인 마이크 녹음 + Avatar 6 조합(단독 판별률 65.1%)이 AI 음성 클론(56.5%)보다 이질감이 훨씬 적다.
- 단일 사진 1장으로만 시작한다면: Wan 3.0과 50.1%로 비등하므로, 30초 이상의 실제 촬영본을 올려 개인 아바타를 만들 때 Avatar 6의 장점이 살아난다.
- 자동화 파이프라인이 필요하다면: HeyGen MCP를 통한 2인 대화 영상이나 릴리즈 노트 자동 브리핑 제작은 토리스 스튜디오 서비스 안내처럼 내부 워크플로와 결합할 때 효율이 높다.
출처
광고
YOUTUBE · TORIS STUDIO