Creatify Boreal vs HeyGen Avatar IV: Wie wählt man Sprechvideos aus?

TL;DR

• Für Produkt-, UGC- oder kurze Sprechbilder aus Text wählen Sie zuerst Creatify Boreal; wenn ein vorgegebenes Porträtfoto passend zur Aufnahme sprechen soll, schauen Sie zuerst auf HeyGen Avatar IV.
• Boreal kostet $0,0145 pro Anfrage-Sekunde bei 720p, HeyGen $0,15 pro Ausgabe-Sekunde; die Boreal-Preisseite listet gestaffelte Budgets auf. In diesem Test wurden pro Video jeweils $0,174 bzw. $1,80 abgerechnet.
• Beide sind bereits auf HiAPI verfügbar: Boreal öffnen, um den Bild-Prompt zu konfigurieren, oder HeyGen öffnen, um Porträt und Aufnahme zu konfigurieren.

Auf einen Blick: Zuerst die Eingabemethode wählen

Entscheidungsfaktor	Creatify Boreal	HeyGen Avatar IV
Porträtfoto	Optional, reiner Text wird ebenfalls unterstützt	Pflichtfeld, klares frontales Gesicht
prompt	Bild-, Bewegungs- und Stimmhinweise	Dialogtext; wird ignoriert, wenn audio_url vorhanden ist
Vorhandene Sprachaufnahme	audio_url, optional mit Referenzbild	audio_url; dann wird auch voice ignoriert
Dauer	duration als ganzzahlige Sekunden von 1–20	duration nicht übergeben; treibendes Audio maximal 600 Sekunden
Auflösung	720p / 1080p / 2k	720p / 1080p
Bildformat-Verarbeitung	Referenzbild mittig auf das angegebene Seitenverhältnis zugeschnitten	Bereiche außerhalb des Porträts können mit Hintergrund gefüllt werden
Abrechnung	Anfrage-Sekunden × Preis der jeweiligen Auflösung	Abrechnung nach Ausgabevideo-Sekunden; in diesem Sample jeweils 12 Sekunden abgerechnet

Zwei Beispielgruppen: gleiches Porträt, dieselbe Aufnahme

Beide Seiten jeder Gruppe verwenden dasselbe Referenzbild; die Gruppen Buchladen und Küche teilen sich außerdem diese tatsächliche MP3 mit etwa 11,1805 Sekunden. Die Küchengruppe verwendet ebenfalls diese Buchladen-Aufnahme; aus dem Szenennamen lässt sich der Inhalt des Dialogtexts nicht ableiten.

Beide Seiten fordern 720p, 9:16 an, beide Ergebnisse sind 720×1280 MP4. Boreal wird mit 12 Sekunden angefordert, das fertige Video ist 12,042 Sekunden / 24fps; HeyGen liefert 11,2 Sekunden / 25fps. Das Folgende ist ein Beispielvergleich mit vorhandenem Material; Ausgabedauer, Bildrate und ein Teil der Kodierung unterscheiden sich, daher lässt sich daraus kein Qualitätsranking unter exakt gleichen Ausgabebedingungen ableiten.

Alle vier Videos enthalten eine Tonspur, die nicht stumm ist; die Sprachaufnahme wurde nicht transkribiert und nicht semantisch geprüft. Unten ist der vollständige ursprüngliche visuelle Prompt von Boreal erhalten, keine Transkription des Dialogtexts; die darin enthaltenen Lippenbewegungsanforderungen bedeuten auch nicht, dass das fertige Video sie genau umgesetzt hat.

Erste Gruppe: Buchladen-Moderator

The presenter speaks the narration to the camera, friendly and relaxed, small hand gestures, cozy bookshop background.

Creatify Boreal	HeyGen Avatar IV
Boreal-Video ansehen	HeyGen-Video ansehen
720p · 9:16 · 720×1280 MP4; 12,042 Sekunden / 24fps; 348 Credits / $0,174	720p · 9:16 · 720×1280 MP4; 11,2 Sekunden / 25fps; 3.600 Credits / $1,80

Beide Cover sind Frames bei 3 Sekunden im Format 720×1280 PNG. Zu diesem Zeitpunkt ist das Lächeln der Boreal-Person ausgeprägter, bei HeyGen ist der Mund leicht geöffnet; bei den Frames bei 6 und 10,5 Sekunden erscheint bei Boreal ein neues braunes Objekt mit Griff, das im Referenzbild nicht vorkommt, während bei HeyGen die Hände weiterhin in der Nähe der Hosentaschen sind. Hier werden konkrete Bilder beschrieben; daraus wird nicht abgeleitet, wessen Lippenbewegung genauer ist.

Mit diesem Prompt generieren →: Es wird nur der visuelle Boreal-Prompt vorbefüllt; zusätzlich das Referenzbild dieser Gruppe und die obige MP3 eintragen, 720p, 9:16 und 12 Sekunden wählen. HeyGen verwendet dasselbe Bild und dieselbe MP3, ohne diesen visuellen Text einzutragen.

Zweite Gruppe: Küchen-Moderatorin

The presenter talks warmly to the camera in her kitchen, with small natural gestures, lip-synced to the provided narration.

Creatify Boreal	HeyGen Avatar IV
Boreal-Video ansehen	HeyGen-gehostetes Video ansehen
720p · 9:16 · 720×1280 MP4; 12,042 Sekunden / 24fps; 348 Credits / $0,174	720p · 9:16 · 720×1280 MP4; 11,2 Sekunden / 25fps; 3.600 Credits / $1,80

Beide Cover sind Frames bei 3 Sekunden im Format 720×1280 PNG: Bei Boreal neigt die Person den Kopf und lächelt mit sichtbaren Zähnen, bei HeyGen ist der Kopf gerader und der Mund geöffnet. Bei den Frames bei 0,5, 3, 6 und 10,5 Sekunden sind der gelbe Pullover und der Küchenhintergrund sichtbar; diese Standbilder belegen keine Synchronität von Stimme und Mundbewegung.

Der HeyGen-Küchenlink ist eine neu kodierte gehostete MP4-Kopie; die Originaldatei bleibt erhalten. Das Original hat 21.629.182 Bytes (ca. 21,6 MB), die gehostete Version 8.263.233 Bytes (ca. 8,26 MB); Auflösung, Dauer und Bildrate bleiben erhalten, die geänderte Kodierung kann Textur- und Kompressionsdetails beeinflussen.

Mit diesem Prompt generieren →: Zusätzlich das Küchen-Referenzbild und dieselbe MP3 eintragen, 720p, 9:16 und 12 Sekunden wählen. HeyGen verwendet weiterhin nur Bild, Audio, Auflösung und Bildformat.

Wie viel diese Samples gekostet haben und wie man je nach Szenario wählt

Die Abrechnungsaufzeichnungen dieser Aufgabe wurden anhand der Wallet-Differenz pro Gruppe aufgeteilt: Boreal je Video 348 Credits / $0,174, HeyGen je Video 3.600 Credits / $1,80; pro Gruppe 3.948 Credits / $1,974, beide Gruppen zusammen 7.896 Credits / $3,948. Diese beiden HeyGen-Samples wurden jeweils mit 12 Sekunden abgerechnet; man kann nicht einfach aus den 11,2 Sekunden des fertigen Videos $1,68 berechnen, und aus diesen beiden lässt sich nicht ableiten, dass für alle Aufgaben dieselbe Rundungsregel gilt. Die HiAPI-Preise wurden am 27. Oktober 2026 überprüft.

• Kurze Werbeszenen aus Text planen: Boreal wählen. Das Referenzbild ist optional und eignet sich gut, um zuerst Produkt und Bildbewegung zu beschreiben.
• Sprechvideos um ein festes Porträt herum aufbauen: zuerst HeyGen ansehen. Das Bild ist Pflichtfeld; anschließend vorhandene Aufnahme oder Dialogtext-Vertonung wählen.
• Kurze Sprachaufnahme bereits aufgenommen: beide wählbar. Das gesamte Video mit Blick auf das Budget prüfen; das Buchladen-Sample erinnert daran, auch zu prüfen, ob im späteren Teil neue Objekte hinzukommen.

Schnittstelle wechseln: So schreibt man die beiden Request-Bodies

Unten stehen die beiden tatsächlich verwendeten Request-Bodies der Buchladen-Gruppe, gesendet an HiAPI POST https://api.hiapi.ai/v1/tasks. Boreal behält den visuellen prompt und duration; HeyGen im Audio-Modus lässt prompt, voice und duration weg.

Boreal:

{
  "model": "creatify-boreal",
  "input": {
    "prompt": "The presenter speaks the narration to the camera, friendly and relaxed, small hand gestures, cozy bookshop background.",
    "image_url": "https://static.hiapi.ai/gallery/2026/10/eef85bddf11cec79.webp",
    "audio_url": "https://static.hiapi.ai/admin-assets/2026/10/27/1793080254274-375bf62b57aabd92-boreal-driving.mp3",
    "resolution": "720p",
    "aspect_ratio": "9:16",
    "duration": 12
  }
}

HeyGen:

{
  "model": "heygen-avatar-iv",
  "input": {
    "image_url": "https://static.hiapi.ai/gallery/2026/10/eef85bddf11cec79.webp",
    "audio_url": "https://static.hiapi.ai/admin-assets/2026/10/27/1793080254274-375bf62b57aabd92-boreal-driving.mp3",
    "resolution": "720p",
    "aspect_ratio": "9:16"
  }
}

Nach dem Absenden die zurückgegebene data.taskId speichern und dann das Aufgabenergebnis abfragen; die vollständigen Schritte finden Sie im Integrations-Tutorial. In der Küchengruppe wird in beiden Requests image_url durch das obige Küchen-Referenzbild ersetzt, bei Boreal zusätzlich der visuelle Küchen-Prompt; audio_url bleibt gleich.

Häufige Fragen

Wurden in den beiden Gruppen unterschiedliche Sprachaufnahmen verwendet?

Nein. Alle vier Anfragen verwenden dieselbe obige MP3, und beide Seiten jeder Gruppe verwenden dasselbe Bild; das Küchenbild bedeutet nicht, dass ein separater Küchen-Dialogtext aufgenommen wurde.

Kann derselbe prompt unverändert an beide Seiten gesendet werden?

Die Bedeutung der Eingabe darf nicht einfach übernommen werden. Bei Boreal steuert der Text das Bild; bei HeyGen ist der prompt der Dialogtext, der in diesem Audio-Modus weggelassen wird.

Warum kosten diese beiden 11,2-Sekunden-Videos von HeyGen jeweils $1,80?

In den Abrechnungsaufzeichnungen dieser Aufgabe wurden diese beiden Samples jeweils mit 12 Sekunden abgerechnet, also 12 × $0,15. Videolänge und Abrechnungssekunden sind getrennt zu erfassen.

Lässt sich daraus ableiten, dass die Lippenbewegung völlig korrekt ist?

Nein. Hier wurden nur das Vorhandensein der Tonspur, die Lautstärke und das sichtbare Bild geprüft; es wurde weder transkribiert noch semantisch geprüft, daher kann die Genauigkeit von Dialogtext und Lippenbewegung nicht garantiert werden.

Was tun, wenn die Sprachaufnahme den Boreal-Dauerbereich überschreitet?

Die Aufnahme in Abschnitte aufteilen, die zu Anfragen von 1–20 Sekunden passen, oder HeyGen in Betracht ziehen, das treibendes Audio bis 600 Sekunden unterstützt; Boreal behält die ersten duration Sekunden und füllt kurzes Audio mit Stille auf.

Nächster Schritt: Bereiten Sie Porträt und Aufnahme gemäß den obigen Feldern vor und öffnen Sie Boreal, um diese Eingaben zu konfigurieren; weitere Formulierungen für Bilder finden Sie auf der Boreal-Beispielseite.