Введение
Флагманская модель цифрового ведущего HeyGen с контекстными жестами и чёткостью 2K.
| Характеристика | Значение |
|---|---|
| Ввод | Изображение Аудио |
| Вывод | Видео |
| ID модели | heygen/avatar-6/talking-avatar |
| Разработчик | HeyGen |
| Обязательные входы |
|
| Длительность аудио | От 1 до 600 секунд (до 10 минут); длина видео совпадает с входной дорожкой |
| Уровни разрешения | 1080p (по умолчанию, короткая сторона 1080px) или 2k (короткая сторона 1620px) |
| Произвольный размер кадра | Опциональная пара чётных width и height от 256 до 3840 пикселей каждый |
| Управление движением | Опциональный prompt (до 1 200 символов), expressiveness (default или less) и 1 клип |
| Текущие тарифы | $0.12/сек (1080p) или $0.174/сек (2K) с округлением вверх до целой секунды входного аудио |
| Неуспешные запросы | Не оплачиваются |
| Живой тест подтверждён (19.11.2026) | Портретное аудио 3,79 с в 1080p вернуло MP4 1088×1632 примерно за 35 с |
Ключевые возможности и особенности
Приглушённый зрительный контакт и неспешная микромимика
В студийном образце 1080p в платье оттенка шампанского тёплый янтарный свет мягко ложится на открытое плечо, пока героиня тихо произносит реплику крупным планом. Естественная, связанная с речью пластика сочетает деликатные наклоны головы и неторопливую уверенную улыбку вместо однообразных зацикленных кивков. Передавайте чёткий анфасный портрет и лаконичное описание движений, когда важна камерная ночная интонация.
Детализация ткани и черт лица при короткой стороне 1620px
В вечернем ролике 2K на балконе при свечах портрет в тёмном бархатном платье с открытыми плечами сохраняет мягкие блики на коже и фактуре ткани на протяжении спокойного монолога. Выбор 2k увеличивает короткую сторону кадра до 1620 пикселей, что отлично подходит для крупных планов и больших экранов. Ровный тёплый свет в image_url и мягкие указания по позе обеспечивают плавное моргание и естественные переходы.
Режиссура через prompt, expressiveness и видеореференс движения
По данным HeyGen, Avatar 6 анализирует примерно 30 секунд окружающего речевого контекста, подстраивая смену позы и жестикуляцию под ритм фраз. Задавайте настроение или направление взгляда в prompt (до 1 200 символов), переключайте expressiveness на less для более спокойной подачи или прикрепляйте один клип MP4 либо WebM в reference_video_urls для анимированных и рисованных персонажей.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
image_url | Да | API HeyGen Avatar 6 оживляет портретное фото и голосовую запись в нативное 1080p или 2K видео с осмысленными жестами по тексту речи и управлением движением. Не менее 1 символов |
audio_url | Да | Длительность итогового клипа определяется длиной входной аудиозаписи. Не менее 1 символов |
prompt | Нет | Опишите мимику и жесты в prompt либо выберите expressiveness=less для сдержанной манеры. Не менее 1 символов · Не более 1200 символов |
resolution | Нет | 1080p / 2k |
expressiveness | Нет | default / less |
reference_video_urls | Нет | ≥ 2s (optional) Не менее 1 элементов · Не более 1 элементов |
width | Нет | 256–3840 (even) |
height | Нет | 256–3840 (even) |
Стоимость
| Спецификация | Стоимость |
|---|---|
| $0.12 / секунду |
| $0.174 / секунду |
Сценарии использования
Крупноплановые бренд-ролики и обращения руководства
Соедините один студийный портрет с дикторской записью в 2K (короткая сторона 1620px), чтобы выпускать чёткие обращения основателей и запуски продуктов без организации съёмочной площадки.
Камерные ночные монологи персонажей
Сочетайте выразительные взрослые портреты — как в нашем студийном ролике в атласе оттенка шампанского или на балконе при свечах — с приглушённой озвучкой для драматических тизеров и коротких новелл.
Длинные уроки и студийные брифинги
Создавайте непрерывные выступления длительностью до 10 минут из одной аудиодорожки, опираясь на согласованную с фразами пластику и жесты вместо коротких повторяющихся циклов.
Вертикальные и широкоформатные макеты под заданный слот
Сохраняйте исходные пропорции портрета — как в нашем проверенном вертикальном тесте 1088×1632 — или задавайте точную пару чётных width и height от 256 до 3840 пикселей для редакционных форматов.
Анимированные и иллюстративные ролики персонажей
Добавьте клип MP4 или WebM длиной от 2 секунд в reference_video_urls на стандартных рабочих пространствах, чтобы задать ритмику движений рисованному или стилизованному спикеру.
Руководство по промптам и практические советы
Выберите портрет с подтверждёнными правами
Загрузите чёткий портрет JPEG, PNG или WebP (до 32 МБ) совершеннолетнего человека, чьё согласие на изображение у вас оформлено. Свет, гардероб и обстановку сразу задайте в исходном снимке.
Подготовьте чистую голосовую дорожку
Передайте запись MP3 или WAV длительностью от 1 до 600 секунд в поле
audio_url. Заранее проверьте темп и паузы, так как стоимость рассчитывается по целым секундам входного аудио.Задайте разрешение и указания по движению
Выберите 1080p или 2k, при желании добавьте текстовый prompt до 1 200 символов и оставьте expressiveness в значении default либо переключите на less для более сдержанной манеры.
Проверьте результат и скачайте MP4
При необходимости задайте пару чётных значений width и height (256–3840 пикселей) или сохраните пропорции исходного портрета. Оцените липсинк, взгляд и кадрирование, затем сохраните готовый MP4.
Нативные говорящие портреты 1080p и 2K из фото и речи
heygen/avatar-6/talking-avatar превращает один портрет и голосовую аудиозапись в асинхронный ролик MP4 в разрешении 1080p или 2K. По данным HeyGen, Avatar 6 просматривает около 30 секунд окружающего речевого контекста, поэтому смены позы, движения рук и нюансы мимики следуют за фразировкой, а не повторяют короткие циклы.
У каждого входного поля своя задача: image_url определяет внешность, гардероб, свет и обстановку; audio_url задаёт реплики и длительность ролика (от 1 до 600 секунд); необязательные prompt, expressiveness и reference_video_urls тонко настраивают пластику.
Параметры
| Параметр | Обяз. | Тип и ограничения | Назначение |
|---|---|---|---|
image_url | Да | URI (JPEG, PNG, WebP, до 32 МБ) | Чёткий портрет или иллюстрация одного совершеннолетнего персонажа; по умолчанию видео сохраняет его пропорции. |
audio_url | Да | URI (MP3 или WAV, 1–600 с) | Голосовая дорожка, задающая липсинк, тайминг жестов и итоговую длину клипа. |
prompt | Нет | String (1–1 200 символов) | Повседневные словесные указания по мимике, взгляду, наклонам головы, осанке и жестам. |
resolution | Нет | 1080p (по умолч.) или 2k | Класс разрешения: 1080p (1080px по короткой стороне) или 2k (1620px по короткой стороне); определяет посекундную ставку. |
expressiveness | Нет | default (по умолч.) или less | Амплитуда жестов: default для естественной речевой пластики, less для более спокойной подачи. На цену не влияет. |
reference_video_urls | Нет | Массив из 1 URI (MP4/WebM, >= 2 с) | Необязательный клип-референс движения; на стандартных пространствах работает для анимированных и рисованных персонажей. |
width | Нет | Чётное целое (256–3840) | Необязательная точная ширина в пикселях; передаётся только в паре с height. |
height | Нет | Чётное целое (256–3840) | Необязательная точная высота в пикселях; передаётся только в паре с width. |
Тарифы и примеры стоимости
Успешные генерации оплачиваются за каждую полную секунду входного аудио (с округлением вверх, минимум 1 секунда, максимум 600 секунд). Изменение expressiveness, prompt или width/height не меняет тариф выбранного разрешения, а сбойные запросы не оплачиваются.
| Разрешение | Ставка в секунду | Аудио 10 секунд | Аудио 60 секунд |
|---|---|---|---|
1080p (по умолчанию) | $0.12 / сек | $1.20 | $7.20 |
2k | $0.174 / сек | $1.74 | $10.44 |
Прослушайте запись целиком перед загрузкой, чтобы лишние паузы в конце или неудачные дубли не увеличивали оплачиваемую длительность.
Настройка выразительности, текстовых подсказок и видеореференса
Выразительность и текстовое направление
Сам текст речи передавайте только в audio_url, а поле prompt оставьте для физической подачи — например: "She speaks softly with warm eye contact, subtle head tilts, and a confident slow smile." Гардероб, фон и освещение фиксируйте в image_url, не рассчитывая на перерисовку сцены через prompt.
Оставляйте expressiveness равным default, когда Avatar 6 должна подстраивать энергию жестов под речевые акценты. Выбирайте less для новостных сводок, спокойных вечерних монологов или плотных крупных планов, где минимум движений корпуса смотрится аккуратнее.
Работа с reference_video_urls
Передайте один ролик MP4 или WebM длительностью от 2 секунд в reference_video_urls, чтобы анимированный или иллюстративный персонаж повторил нужный ритм. Видеореференсы с реальными людьми требуют отдельного разрешения на согласие и отклоняются на стандартных рабочих пространствах.
Подтверждённый живой запуск и заметки по примерам
В живом тесте 19 ноября 2026 года портретная аудиозапись 3,79 с в 1080p завершилась примерно за 35 секунд и выдала MP4 размером 1088×1632 с сохранением вертикальных пропорций. Поскольку рендер асинхронный, в продакшн-конвейерах используйте опрос статуса или вебхуки.
- Студийный шёпот в атласе (
1080p): мягкий студийный свет на портрете в атласном платье оттенка шампанского с открытым плечом в паре с тихой репликой крупным планом, тёплым взглядом и лёгкими наклонами головы в такт речи. - Монолог на балконе в бархате (
2k): вечерний портрет в тёмном бархатном платье с открытыми плечами на балконе при свечах в разрешении 1620px по короткой стороне, сохраняющий фактуру ткани, спокойное моргание и мягкую смену позы.
Выбор между Avatar 6, Avatar 6 Turbo и Avatar IV
- Выбирайте HeyGen Avatar 6, когда в приоритете крупноплановая детализация лица, чёткость 2K и тонкая естественная микромимика без жёсткой режиссуры.
- Выбирайте HeyGen Avatar 6 Turbo для массовых персонализированных рассылок, локализации десятков версий и быстрых черновиков сценариев, где важнее скорость и сниженная посекундная цена.
- Выбирайте HeyGen Avatar IV, если требуется замена фона через
background_image_urlили трёхуровневый выбор выразительности (low/medium/high) в пределах до 1080p.
Согласие, права на образ и допустимые материалы
Используйте портреты и голоса совершеннолетних лиц, на изображение которых у вас есть законное право, и не имитируйте других людей. До отправки убедитесь в наличии прав на оба файла (image_url и audio_url) и своевременно скачивайте готовые MP4 после проверки.
Быстрый старт 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "heygen/avatar-6/talking-avatar",
"input": {
"audio_url": "https://example.com/reference.mp3",
"expressiveness": "default",
"image_url": "https://example.com/reference.png",
"resolution": "1080p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.



