はじめに
発話内容に連動するジェスチャーと 2K 解像度を実現する HeyGen の上位プレゼンターモデル。
| 項目 | 値 |
|---|---|
| 入力 | 画像 音声 |
| 出力 | 動画 |
| モデル ID | heygen/avatar-6/talking-avatar |
| 開発元 | HeyGen |
| 必須入力 |
|
| 音声尺 | 1〜600 秒(最長 10 分)、出力動画尺は入力音声に一致 |
| 解像度ティア | 1080p(既定・短辺 1080px)または 2k(短辺 1620px) |
| カスタム寸法 | 任意の偶数 width と height ペア(各 256〜3840 ピクセル) |
| 動作制御 | 任意 prompt(最大 1,200 文字)、expressiveness(default / less)、 |
| 現在の料金 | $0.12 / 秒(1080p)または $0.174 / 秒(2K)、入力音声の整数秒切り上げ課金 |
| 失敗リクエスト | 課金対象外 |
| 実機疎通検証(2026-11-19) | 3.79 秒の縦型音声を 1080p で処理し、約 35 秒で 1088×1632 MP4 を返却 |
主な機能とハイライト
余韻のある視線とゆったりとした微細表情
シャンパンサテンの 1080p スタジオサンプルでは、暖かいアンバー光が素肩を照らす中、話者が近距離で柔らかなセリフを届けます。台詞の脈絡に沿った動きが、硬直した首振りループではなく繊細な首の傾きと自信に満ちた緩やかな微笑みを生み出します。深夜帯の落ち着いた語り口を重視する場面では、鮮明な正面ポートレートと簡潔な動作指定を添えてください。
短辺 1620px で布地と顔のディテールを鮮明描写
キャンドル灯る夜のバルコニーを 2K で描画したダークベルベットのサンプルでは、穏やかなモノローグの間も肌とイブニング生地の柔らかなハイライトが保たれます。2k を選ぶと短辺が 1620 ピクセルへ拡張され、クローズアップや大型画面での視聴に適しています。image_url に安定した暖色光を仕込み穏やかな姿勢指示を組み合わせると、まばたきや動きの繋ぎ目が滑らかになります。
プロンプト演出・表現強度・モーション参照の連携
HeyGen によると Avatar 6 は前後約 30 秒の音声文脈を解析し、言い回しに合わせて姿勢変化や手振りを調律します。最大 1,200 文字の prompt で雰囲気や視線を導けるほか、静かな語りには expressiveness を less に切り替え、アニメやイラスト調キャラクターには reference_video_urls で MP4 または WebM クリップを 1 本添えられます。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
image_url | はい | HeyGen Avatar 6 API は人物写真と音声から、セリフの文脈に沿った自然な身振りとリップシンクを備えたネイティブ 1080p / 2K 動画を生成します。 1 文字以上 |
audio_url | はい | 成片の長さは入力音声に追従します。静止画参照はそのまま利用できます。 1 文字以上 |
prompt | いいえ | prompt に表情や手の動きを書き、落ち着いた進行にしたい場合は expressiveness を less に設定します。 1 文字以上 · 1200 文字以内 |
resolution | いいえ | 1080p / 2k |
expressiveness | いいえ | default / less |
reference_video_urls | いいえ | ≥ 2s (optional) 1 件以上 · 1 件以内 |
width | いいえ | 256–3840 (even) |
height | いいえ | 256–3840 (even) |
料金
| 仕様 | 料金 |
|---|---|
| $0.12 / 秒 |
| $0.174 / 秒 |
ユースケース
クローズアップのブランド映像と経営陣メッセージ
1 枚のスタジオヘッドショットと収録ナレーションを 2K(短辺 1620px)で組み合わせれば、撮影クルーを手配せずに鮮明な代表挨拶や新製品発表映像を制作できます。
夜の余韻を生かしたキャラクターモノローグ
シャンパンサテンのスタジオクリップやキャンドル灯るバルコニー作例のような雰囲気ある成人ポートレートに静かな語りを重ね、ドラマ予告や短編ナラティブを仕立てられます。
長尺講義とスタジオ解説ブリーフィング
単一の音声トラックから最長 10 分の連続トーキング映像を生成でき、短い反復モーションではなく発話の節目に合った姿勢とジェスチャーを維持します。
縦型・横型のカスタム編集枠への最適化
検証済みの 1088×1632 縦型テストのように元ポートレートの比率を維持することも、固定の編集枠に合わせて 256〜3840 ピクセルの正確な偶数幅・高さを指定することも可能です。
アニメ・イラスト調キャラクターのモーション演出
標準ワークスペースでは 2 秒以上の MP4 または WebM クリップを reference_video_urls に添付し、イラストやアニメ話者のリズムある所作を誘導できます。
プロンプトガイドと実践のヒント
許諾済みのポートレート画像を選定
描写許諾を得た同意ある成人の鮮明な JPEG・PNG・WebP ポートレート(最大 32 MB)をアップロードします。照明・衣装・背景はこの元画像で確定させてください。
クリアな話し声の音声を用意
1〜600 秒の MP3 または WAV 録音を
audio_urlに指定します。課金は入力音声の整数秒切り上げに基づくため、事前に間や余白の尺を整えておいてください。解像度と動作キューを設定
1080p または 2k を選択し、必要に応じて最大 1,200 文字のプレーンテキスト prompt を加えます。控えめな演技にしたいときは expressiveness を default から less へ変更します。
仕上がりを検証して MP4 を保存
ポートレートの縦横比をそのまま活かすか、256〜3840 ピクセルの偶数ペアで width と height を指定します。リップシンク、視線、構図を確認のうえ完成 MP4 を保存してください。
写真と音声からネイティブ 1080p・2K のトーキング映像を生成
heygen/avatar-6/talking-avatar は、1 枚のポートレート画像と発話音声録音から非同期で 1080p または 2K の MP4 動画を生成します。HeyGen によると Avatar 6 は前後約 30 秒の音声文脈を読み取り、短いループ動作ではなく話の抑揚に沿った姿勢変化、手振り、細かな表情変化を生み出します。
各入力の役割は明確です。image_url で話者の人物像・衣装・照明・背景を決め、audio_url で発話内容とクリップ長(1〜600 秒)を与え、任意の prompt・expressiveness・reference_video_urls で身体表現のニュアンスを仕上げます。
パラメータ
| パラメータ | 必須 | 型・制限 | 役割 |
|---|---|---|---|
image_url | はい | URI(JPEG・PNG・WebP、最大 32 MB) | 成人 1 名の鮮明なポートレート写真またはイラスト(既定で元比率を保持) |
audio_url | はい | URI(MP3 または WAV、1〜600 秒) | リップシンク、動作タイミング、最終尺を規定する発話トラック |
prompt | いいえ | String(1〜1,200 文字) | 表情、視線、首の傾げ方、姿勢、手振りを平易に伝える演出メモ |
resolution | いいえ | 1080p(既定)または 2k | 出力ティア:1080p(短辺 1080px)または 2k(短辺 1620px)。秒単価を決定 |
expressiveness | いいえ | default(既定)または less | 動作の振り幅:default は発話連動の自然な動き、less は落ち着いた演技(追加料金なし) |
reference_video_urls | いいえ | URI 1 件の配列(MP4/WebM、2 秒以上) | 任意の動作・リズム参照クリップ(標準ワークスペースではアニメ・イラスト対象) |
width | いいえ | 偶数整数(256〜3840) | 任意の厳密な出力幅ピクセル数(height と同時指定が必須) |
height | いいえ | 偶数整数(256〜3840) | 任意の厳密な出力高さピクセル数(width と同時指定が必須) |
料金とコスト試算
成功したジョブは入力音声の整数秒(切り上げ・最小 1 秒・最大 600 秒)で精算されます。expressiveness、prompt、width/height を変更してもティア単価は変わらず、失敗リクエストは課金されません。
| 解像度 | 秒単価 | 10 秒音声 | 60 秒音声 |
|---|---|---|---|
1080p(既定) | $0.12 / 秒 | $1.20 | $7.20 |
2k | $0.174 / 秒 | $1.74 | $10.44 |
末尾の無音や不要なテイクで課金秒数が膨らまないよう、送信前に音声全体を確認してトリミングしてください。
expressiveness・動作プロンプト・参照動画の使い分け
表現強度とテキスト演出
発話内容は audio_url に任せ、prompt は身体表現の指示に専念させてください(例:"She speaks softly with warm eye contact, subtle head tilts, and a confident slow smile.")。衣装・背景・照明は prompt で描き直そうとせず、image_url の段階で完成させておくのが確実です。
言葉の抑揚に合わせて自然なジェスチャーを引き出したいときは expressiveness を default のままにします。ニュース解説、静かな深夜モノローグ、上半身の動きを最小限に保ちたいタイトなクローズアップでは less を選んでください。
reference_video_urls の活用
アニメやイラスト調キャラクターに特定のリズムを反映させたい場合、2 秒以上の MP4 または WebM クリップを 1 本 reference_video_urls へ渡せます。実写人物の参照動画には個別の同意承認が求められ、標準ワークスペースでは拒否されます。
実機疎通検証と作例メモ
2026 年 11 月 19 日の実機テストでは、3.79 秒の縦型ポートレート音声を 1080p で処理し、約 35 秒で元比率を維持した 1088×1632 の MP4 を取得しました。非同期処理のため、本番パイプラインではステータス確認のポーリングまたは Webhook を組み込んでください。
- シャンパンサテン・スタジオ囁き(
1080p): 柔らかなスタジオ光を受けるオフショルダーのシャンパンサテン姿に近距離の静かな語りを合わせ、発話に同期した暖かい視線と繊細な首の傾きを表現しています。 - ベルベットバルコニーのモノローグ(
2k): キャンドル灯る夜のバルコニーでダークベルベットのオフショルダードレスを短辺 1620px で描き出し、布地の艶、自然なまばたき、穏やかな姿勢移動を保持しています。
Avatar 6・Avatar 6 Turbo・Avatar IV の選び分け
- クローズアップの顔面精度、2K の解像感、細やかな自然表情を最優先する場合は HeyGen Avatar 6 をお選びください。
- 大量のパーソナライズ配信、多言語バリエーションの一括生成、スクリプト試作で処理速度と低い秒単価を優先する場合は HeyGen Avatar 6 Turbo が適しています。
background_image_urlによる背景差し替えや、最大 1080p での 3 段階(low/medium/high)表情制御が必要な場合は HeyGen Avatar IV をお選びください。
同意・肖像権・許可される入力
法的許諾を得た同意ある成人のポートレートと音声のみを使用し、他者になりすます用途には絶対に使わないでください。送信前に image_url と audio_url 双方の権利を確認し、完了した MP4 は検証後速やかにダウンロードして保管してください。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "heygen/avatar-6/talking-avatar",
"input": {
"audio_url": "https://example.com/reference.mp3",
"expressiveness": "default",
"image_url": "https://example.com/reference.png",
"resolution": "1080p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。



