Введение
HeyGen Avatar IV принимает image_url и audio_url для разговорного видео; background_image_url при желании заменяет обстановку, а prompt задаёт указания для исполнения.
| Характеристика | Значение |
|---|---|
| Ввод | Изображение Аудио |
| Вывод | Видео |
| Компания | HeyGen |
| Обязательная пара |
|
| Предел речи | 10 минут |
| Направление исполнения | Необязательный prompt мимики и жестов |
| Смена окружения | Необязательный |
| Управление выразительностью | low (по умолчанию), medium, high; амплитуда лица и головы |
| Пропорции видео | 16:9, 9:16, 1:1, 5:4, 4:5; пустое значение следует фото |
| Диапазон разрешений | Пять уровней 360p–1080p по одному тарифу |
| Правило начисления | Длительность входного аудио округляется вверх до целой секунды; expressiveness цену не меняет |
| Генерации с ошибкой | Не оплачиваются |
| Замер гончарного клипа | Объяснение 10 секунд с синхронными губами; 720×900 пикселей |
| Срок хранения генераций | 14 дней, затем удаление |
Ключевые возможности и особенности
Портрет у кровати произносит запись
Пример халата соединяет портрет на кровати с короткой поздней записью. При 720p и high женщина говорит с игривой улыбкой и губами в такт аудио. Промпт просит мягкую речь, небольшие наклоны и взгляд; запись подтверждает улыбку и синхронизацию, не каждый жест.
Гончар говорит у своего круга
Портрет и объяснение 10 секунд дали гончарный клип с синхронными губами. Кадр — 720×900 пикселей. Для вступления мастер-класса подготовьте фото и речь, при необходимости краткую подачу. Это говорящий портрет, а не заново снятый процесс.
Астроном меняет окружение
В тесте за портретом астронома появилась переданная оранжерея. High дал более живые движения. Настройки отдельны: background_image_url задаёт место, expressiveness — лицо и голову. Выбирайте по задаче и сверяйте клип с обоими входами.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
image_url | Да | Обязательный чёткий портрет говорящего анфас для анимации; оплата HeyGen зависит от длины аудио, а не портрета. Не менее 1 символов |
audio_url | Да | Обязательная запись речи длиной до 10 минут; её длительность задаёт оплату с округлением вверх до целой секунды. Не менее 1 символов |
prompt | Нет | Необязательные указания по мимике и жестам; этот текст не определяет тариф за секунду аудио. Не менее 1 символов · Не более 5000 символов |
background_image_url | Нет | Необязательное изображение новой обстановки за говорящим; основой оплаты остаётся длительность переданного аудио. Не менее 1 символов |
expressiveness | Нет | Интенсивность движения: low, medium или high, по умолчанию low; изменение настройки не влияет на тариф HeyGen. |
aspect_ratio | Нет | Выберите 16:9, 9:16, 1:1, 5:4 или 4:5; пустое поле следует пропорциям портрета, оплата по-прежнему определяется секундами аудио. |
resolution | Нет | Пять уровней результата от 360p до 1080p; для любого разрешения цена HeyGen одинакова. |
Стоимость
$0.054 / секунда
HeyGen взимает плату за секунды входного аудио, округлённые вверх до целой секунды. Разрешение и выразительность не меняют тариф, неудачные генерации не оплачиваются.
Сценарии использования
Записанные вступления к мастер-классам
Соедините портрет преподавателя с объяснением по примеру гончара с синхронной записью 10 секунд. Клип может вводить урок, а практическая демонстрация остаётся отдельной съёмкой.
Обращения в новой обстановке
Передайте фон другого места презентации. Перенос астронома в оранжерею показывает смену места и high; оцените окружение и говорящего.
Спокойный диалог персонажа
Соедините разрешённый портрет с короткой тихой записью и сдержанными жестами. Шёлковый халат показывает игривую улыбку и синхронные губы при 720p, high.
Сравнение подачи вступления
Сохраните портрет и запись при сравнении low, medium и high. Так можно оценить движение лица и головы для сообщения без смены тарифа.
Говорящие портреты разных форм
Выберите вертикаль, квадрат, горизонталь или форму фото под макет. Все пять разрешений по одной цене: подберите под использование и проверьте кадрирование.
Руководство по промптам и практические советы
Подготовьте портрет и речь
Выберите чёткий портрет анфас и запись не длиннее 10 минут, имея права на использование обоих материалов.
Выберите обстановку и подачу
При необходимости добавьте фон, выберите уровень выразительности, пропорции и разрешение результата перед отправкой.
Говорящий портрет по вашей записи
HeyGen Avatar IV принимает чёткий фронтальный портрет и запись речи, возвращая видео изображённого человека. Подходит подготовленному вступлению, началу урока или сообщению персонажа, если фото и речь уже есть. Запись — до 10 минут.
Входы решают разные задачи: портрет задаёт говорящего, аудио — слова, необязательный prompt — мимику и жесты. Отдельный фон меняет место. Используйте совершеннолетних и разрешённые фото и голоса; готовый клип не должен имитировать чужую личность.
Параметры и их назначение
| Параметр | Обязателен? | Что передать или выбрать |
|---|---|---|
image_url | Да | Чёткий фронтальный портрет совершеннолетнего. |
audio_url | Да | Речь до 10 минут; длительность определяет оплату. |
prompt | Нет | Краткие указания мимики и жестов. |
background_image_url | Нет | Картинка для замены окружения позади человека. |
expressiveness | Нет | low, medium, high; исходно low, амплитуда лица и головы. |
aspect_ratio | Нет | 16:9, 9:16, 1:1, 5:4, 4:5; пусто — форма портрета. |
resolution | Нет | Пять уровней 360p–1080p по одному тарифу. |
Пропорции выбирайте под макет, разрешение — под размер просмотра. Метка разрешения не задаёт оба размера: наш гончар вернулся в 720×900. Осмотрите кадрирование скачанного результата.
Цена следует длительности речи
Удачная генерация оплачивается по входному аудио с округлением вверх до целой секунды. Разрешение и expressiveness не меняют тариф секунды. Перед отправкой смотрите цену на странице HeyGen Avatar IV. Неудачный запрос HeyGen не несёт платы за генерацию.
До запуска прослушайте запись целиком. Проверьте слова, паузы и длину: дорожка одновременно источник речи и основа оплаты. До оплачиваемого сравнения подач выберите портрет и фон.
Исполнительские указания для готового портрета
Отделите речь от мимики
Произносимый текст находится в записи. В prompt задавайте подачу, например: «Ведущий говорит с терпеливой улыбкой, изредка слегка кивает и непринуждённо жестикулирует». Поле необязательно: можно начать с фото, записи и настроек.
Для предложенных портретов используйте людей от тридцати лет. Одежда, свет и место должны быть в исходном фото: льняная рабочая рубашка в мастерской или вечернее платье у тёплого окна. Направляйте подачу вокруг снятой сцены. Для нового места за говорящим используйте background_image_url.
Осознанное сравнение выразительности
Начните с low для базовой подачи. При medium или high оставьте портрет и запись прежними, сравните лицо и голову. Оранжерея показала более живое движение при high. Указание движения остаётся направлением для проверки, а не обещанием точной последовательности жестов.
Что показали представленные примеры
- Ночная фраза в шёлковом халате: новый пример использовал 720p и high. Женщина на кровати произнесла фразу с игривой улыбкой, губы совпали с аудио. Промпт просил мягкость, наклоны и взгляд; наблюдение не подтверждает каждый пункт.
- Гончарное объяснение: портрет с записью 10 секунд дал совпадающие губы в 720×900. Это говорящий преподаватель, а не свидетельство полной анимации ремесленного процесса.
- Астроном в оранжерее: фон появился за говорящим с более живыми движениями high. Пример демонстрирует фон вместе с настройкой мимики.
Это наблюдения данных примеров. В своём клипе сверяйте рот с речью, амплитуду головы, кадрирование и заменённое место. Храните принятое видео с исходниками и настройками для ясной основы правок.
Ограничения и другие варианты
Запись должна укладываться в 10 минут. После проверки скачайте файл: хранение 14 дней, затем удаление. До отправки подтвердите права на портрет и голос, используйте совершеннолетних и избегайте имитации личности.
В другом сценарии фото плюс аудио InfiniteTalk предлагает маску говорящего и seed для сравнения. Фиксированный seed помогает сравнить одно изменение без обещания идентичности. Также доступны OmniHuman 2.0 и Talking Avatar. Выбирайте HeyGen, если нужны замена фона, амплитуда мимики и пять разрешений по единой цене.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "heygen/avatar-iv/talking-avatar",
"input": {
"audio_url": "https://example.com/reference.mp3",
"expressiveness": "low",
"image_url": "https://example.com/reference.png",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.



