Introducción
HeyGen Avatar IV recibe image_url y audio_url para crear un video hablado; background_image_url reemplaza opcionalmente el escenario y prompt aporta indicaciones de interpretación.
| Campo | Valor |
|---|---|
| Entrada | Imagen y Audio |
| Salida | Video |
| Desarrollador | HeyGen |
| Entradas necesarias |
|
| Duración máxima de voz | 10 minutos |
| Dirección interpretativa | prompt opcional para expresiones y gestos |
| Cambio de fondo |
|
| Expresión | low (predeterminado), medium, high; amplitud de movimiento facial y de cabeza |
| Proporciones de encuadre | 16:9, 9:16, 1:1, 5:4, 4:5; vacío sigue la foto |
| Rango de resolución | Cinco niveles de 360p a 1080p a igual tarifa |
| Regla de facturación | Duración del audio redondeada hacia arriba al segundo entero; expressiveness no cambia tarifa |
| Generaciones sin éxito | No generan cargo |
| Salida de cerámica medida | Explicación de 10 segundos con sincronización labial; 720×900 píxeles |
| Conservación de salidas | 14 días y posterior eliminación |
Funciones y aspectos destacados
Un retrato junto a la cama dice la frase grabada
La bata de seda combina retrato en cama con grabación nocturna breve. En 720p y high, la mujer habla con sonrisa juguetona y sincronía labial ajustada al audio. prompt pide suavidad, pequeñas inclinaciones y una mirada; la observación confirma sonrisa y sincronía sin establecer todos los gestos pedidos.
La ceramista habla ante su torno
Un retrato y explicación de 10 segundos produjeron un clip de cerámica con movimiento labial sincronizado. El encuadre midió 720×900. Planea una introducción breve de taller preparando foto y voz y añadiendo una indicación concisa si hace falta. Demuestra un retrato narrado, sin constituir un proceso de cerámica recién filmado.
El astrónomo cambia de entorno
El retrato del astrónomo apareció ante la imagen de invernadero suministrada. high dio movimiento más vivo. Son controles independientes: background_image_url aporta el lugar y expressiveness regula movimiento facial y de cabeza. Elige según la presentación y compara el clip con ambas entradas.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
image_url | Sí | Retrato obligatorio, claro y de frente, de la persona que se animará; el cobro de HeyGen depende de la duración del audio y no del retrato. mínimo 1 caracteres |
audio_url | Sí | Grabación de voz obligatoria de hasta 10 minutos; su duración determina el cargo, redondeada hacia arriba a segundos enteros. mínimo 1 caracteres |
prompt | No | Indicaciones opcionales de expresiones y gestos; este texto no determina la tarifa de cobro por segundo de audio. mínimo 1 caracteres · máximo 5000 caracteres |
background_image_url | No | Imagen opcional para un escenario de reemplazo detrás de quien habla; la base de cobro sigue siendo la duración del audio aportado. mínimo 1 caracteres |
expressiveness | No | Intensidad de movimiento: low, medium o high, con low por defecto; cambiar este ajuste no afecta la tarifa de HeyGen. |
aspect_ratio | No | Elige 16:9, 9:16, 1:1, 5:4 o 4:5; déjalo vacío para seguir el retrato, con el cobro todavía determinado por los segundos de audio. |
resolution | No | Cinco niveles de salida de 360p a 1080p; todos los niveles de resolución tienen el mismo precio en HeyGen. |
Precios
$0.054 / segundo
HeyGen cobra los segundos de audio de entrada redondeados hacia arriba a segundos enteros. La resolución y la expresividad no cambian la tarifa, y las generaciones sin resultado no generan cargos.
Casos de uso
Introducciones grabadas de talleres
Combina el retrato de un instructor con una explicación preparada, siguiendo la cerámica que sincronizó una grabación de 10 segundos. Introduce una lección de oficio con el clip y conserva la demostración práctica en otro metraje.
Mensajes de presentador en otro entorno
Proporciona una imagen de fondo para cambiar la ubicación de presentación. La prueba de astrónomo a invernadero demuestra ese cambio junto a high; revisa entorno y hablante en la salida.
Diálogo tranquilo de personaje
Combina un retrato adulto autorizado con una grabación corta en voz baja e indicaciones de gestos moderadas. El ejemplo de bata de seda mostró sonrisa juguetona y sincronía labial en 720p con high.
Comparaciones de una introducción
Conserva retrato y grabación mientras comparas low, medium y high. Permite juzgar movimiento facial y de cabeza según el mensaje sin cambiar tarifa entre ajustes.
Retratos hablados para distintos diseños
Elige relación vertical, cuadrada u horizontal para su destino o sigue la fuente. Las cinco resoluciones usan una tarifa: selecciona según el uso y comprueba el encuadre entregado.
Guía de prompts y consejos prácticos
Prepara el retrato y la voz
Elige un retrato claro de frente y una grabación de un máximo de 10 minutos, con los derechos de uso de ambos.
Elige el escenario y la interpretación
Agrega una imagen de fondo si la necesitas, elige un nivel de expresión y selecciona las proporciones de salida y la resolución antes de enviar.
Retrato hablado guiado por tu grabación
HeyGen Avatar IV recibe un retrato claro de frente y voz grabada y devuelve video de la persona fotografiada hablando. Sirve para introducciones preparadas, aperturas de lección o mensajes de personaje si ya tienes foto y audio. La grabación admite hasta 10 minutos.
Cada entrada tiene un trabajo: retrato establece hablante, audio aporta palabras y prompt opcional describe expresiones o gestos. Una imagen de fondo aparte puede cambiar el entorno. Usa sujetos adultos y fotos y voces autorizadas; el clip final no debe suplantar a nadie.
Parámetros y sus funciones
| Parámetro | ¿Obligatorio? | Qué aportar o elegir |
|---|---|---|
image_url | Sí | Retrato claro de frente del hablante adulto. |
audio_url | Sí | Voz de hasta 10 minutos; su duración determina el cobro. |
prompt | No | Dirección breve de expresión facial y gestos. |
background_image_url | No | Imagen para reemplazar el entorno detrás de la persona. |
expressiveness | No | low, medium o high; predeterminado low; amplitud facial y de cabeza. |
aspect_ratio | No | 16:9, 9:16, 1:1, 5:4 o 4:5; vacío sigue el retrato. |
resolution | No | Cinco niveles de 360p a 1080p con igual tarifa. |
Selecciona proporciones para el diseño de destino y resolución para el tamaño de visualización. Una etiqueta de resolución no describe ambas dimensiones: cerámica devolvió 720×900. Inspecciona el encuadre real descargado.
El precio depende de la voz
Las generaciones exitosas se cobran por duración de audio de entrada redondeada hacia arriba al segundo entero. Cambiar resolución o expressiveness no modifica tarifa por segundo. Consulta el precio vigente en la página de HeyGen Avatar IV antes de enviar. Las solicitudes HeyGen sin éxito no generan cargo de generación.
Escucha toda la grabación antes de generar. Revisa palabras, pausas y largo total: la pista es fuente de voz y base de cobro. Elige retrato y fondo antes de gastar una generación en comparar interpretaciones.
Redacta indicaciones para un retrato existente
Separa voz y expresión
Coloca el pasaje hablado en la grabación. Usa prompt para una nota como: «El presentador habla con sonrisa paciente, pequeños asentimientos ocasionales y gestos relajados». El campo es opcional: también puedes empezar solo con foto, grabación y ajustes.
Para los retratos sugeridos aquí, usa personas de treinta años o más. Establece ropa, luz y lugar en la foto: camisa de trabajo de lino en taller o vestido de noche junto a ventana cálida. Dirige la interpretación alrededor de ese entorno fotografiado. Usa background_image_url para pedir un lugar nuevo detrás del hablante.
Compara expresiones deliberadamente
Empieza con low predeterminado para juzgar la base. Conserva foto y grabación al probar medium o high y compara el movimiento facial y de cabeza. El invernadero mostró movimiento más vivo en high. Una indicación es dirección que revisar frente a la salida, sin prometer una secuencia exacta de gestos.
Qué mostraron los ejemplos publicados
- Frase nocturna con bata de seda: la nueva muestra usó 720p y high. El retrato de una mujer en cama dijo la frase con sonrisa juguetona y sincronía labial. prompt pidió suavidad, inclinaciones pequeñas y una mirada; la observación no confirma cada indicación.
- Explicación de cerámica: retrato y voz de 10 segundos produjeron sincronía labial en 720×900. Es una imagen de instructora hablando, sin demostrar una animación completa del proceso artesanal.
- Astrónomo en invernadero: apareció detrás la imagen nueva de invernadero, con movimiento más vivo en high. Demuestra control de fondo junto a un ajuste de expresión.
Son observaciones de las muestras. Al evaluar tu clip, contrasta boca y habla, amplitud de movimiento, encuadre y entorno nuevo si lo usaste. Guarda el video aceptado con fuentes y ajustes para dar una base clara a revisiones posteriores.
Límites y alternativas
Respeta 10 minutos de grabación. Descarga tras revisar: la conservación dura 14 días y luego se elimina. Confirma derechos de foto y voz antes de enviar, usa adultos y evita suplantaciones.
Para otro flujo de foto y audio, InfiniteTalk ofrece máscara de hablante y seed para comparar cambios. Fijar seed facilita comparar un cambio sin prometer una salida idéntica. OmniHuman 2.0 y Talking Avatar son otras opciones. Elige HeyGen cuando reemplazo de fondo, amplitud expresiva y cinco resoluciones a igual tarifa coincidan con tus necesidades.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "heygen/avatar-iv/talking-avatar",
"input": {
"audio_url": "https://example.com/reference.mp3",
"expressiveness": "low",
"image_url": "https://example.com/reference.png",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.



