Creatify Boreal vs HeyGen Avatar IV：口播動画はどちらを選ぶ？

TL;DR

• テキストから商品・UGC・短い口播映像を作るなら、まずCreatify Borealを選ぶ。指定の人物写真を録音に合わせて口を動かすなら、まずHeyGen Avatar IVを見る。
• Borealは720pでリクエスト秒あたり$0.0145、HeyGenは出力秒あたり$0.15。Borealの料金ページには段階別の予算が示されている。今回の各1本の決済額はそれぞれ$0.174と$1.80。
• 2モデルはHiAPIで提供中：Borealを開いて映像プロンプトを設定するか、HeyGenを開いて人物画像と録音を設定する。

ひと目でわかる：まず入力方式を選ぶ

選択に影響する項目	Creatify Boreal	HeyGen Avatar IV
人物写真	任意。テキストのみも可	必須。鮮明な正面顔
prompt	映像・動作・音声の指示	セリフ。audio_urlがある場合は無視
既存のナレーション	audio_url。参照画像と組み合わせ可	audio_url。この場合voiceも無視
長さ	durationは1〜20の整数秒	durationは渡さない。駆動音声は最長600秒
解像度	720p / 1080p / 2k	720p / 1080p
画角の処理	指定比率で参照画像を中央クロップ	背景で人物外の領域を埋められる
課金	リクエスト秒数 × 対応解像度の単価	出力動画の秒数で課金。今回のサンプルは各12秒で決済

2組の素材例：同じ人物・同じ録音

各組の両側は同じ参照画像を使用。書店組とキッチン組もこの実際のMP3（約11.1805秒）を共用している。キッチン組も同じ書店の録音を使っており、シーン名からセリフ内容を推測することはできない。

両側とも720p・9:16をリクエストし、生成物はいずれも720×1280のMP4。Borealは12秒をリクエストし、完成品は12.042秒 / 24fps。HeyGenの完成品は11.2秒 / 25fps。以下は既存素材の比較例であり、出力の長さ・フレームレート・一部エンコードが異なるため、これを根拠に厳密に同一出力条件での品質ランキングは出せない。

4本の動画はいずれも無音でない音声トラックを含む。ナレーションは文字起こしも意味的な聴取審査もしていない。以下に残しているのはBorealの完全な元の映像プロンプトであり、セリフの文字起こしではない。そこに含まれる口元の要件も、完成品で正確に実現されたことを意味しない。

第1組：書店のプレゼンター

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

Creatify Boreal	HeyGen Avatar IV
Boreal動画を見る	HeyGen動画を見る
720p · 9:16 · 720×1280 MP4；12.042秒 / 24fps；348クレジット / $0.174	720p · 9:16 · 720×1280 MP4；11.2秒 / 25fps；3,600クレジット / $1.80

2枚のサムネイルはいずれも3秒フレームで、形式は720×1280 PNG。この時点ではBorealの人物の笑みがより開いており、HeyGenは口がわずかに開いている。6秒および10.5秒のフレームを抽出すると、Borealには参照画像にない取っ手付きの茶色い物体が新たに現れ、HeyGenは両手がポケット付近にあるまま。ここでは具体的な画面を述べるだけで、これによってどちらの口元がより正確か判断するものではない。

このプロンプトで生成 →：Borealの映像プロンプトのみを事前入力。別途、本組の参照画像と上記のMP3を入力し、720p・9:16・12秒を選択する。HeyGenでは同じ画像とMP3を使い、この映像テキストは入力しない。

第2組：キッチンのプレゼンター

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動画を見る	HeyGenホスト版動画を見る
720p · 9:16 · 720×1280 MP4；12.042秒 / 24fps；348クレジット / $0.174	720p · 9:16 · 720×1280 MP4；11.2秒 / 25fps；3,600クレジット / $1.80

2枚のサムネイルはいずれも3秒フレームで、形式は720×1280 PNG。Borealの人物は首をかしげて歯を見せて笑い、HeyGenは頭がより正面で口が開いている。0.5、3、6、10.5秒のフレームを抽出すると黄色のセーターとキッチンの背景が見えるが、これらの静止画は音声と口元の同期を証明するものではない。

HeyGenキッチンのリンクは再エンコードしたMP4のホスト版で、元ファイルは保持されている。 元ファイルは21,629,182バイト（約21.6 MB）、ホスト版は8,263,233バイト（約8.26 MB）。解像度・長さ・フレームレートは維持されているが、エンコードの変更はテクスチャや圧縮の細部に影響しうる。

このプロンプトで生成 →：別途キッチンの参照画像と同じMP3を入力し、720p・9:16・12秒を選択する。HeyGenでは引き続き画像・音声・解像度・画角のみを使う。

これらのサンプルにいくら払ったか、シーン別の選び方

今回のタスクの課金記録は各組のウォレット差額で按分：Borealは1本348クレジット / $0.174、HeyGenは1本3,600クレジット / $1.80。各組3,948クレジット / $1.974、2組合計で7,896クレジット / $3.948。HeyGenのこの2本のサンプルは各12秒で決済されており、完成品の11.2秒から直接$1.68と計算することも、この2本からすべてのタスクが同じ端数処理ルールを採用すると推測することもできない。HiAPIの単価は2026年10月27日に確認済み。

• テキストから広告用ショートカットを計画する：Borealを選ぶ。 参照画像は任意で、まず商品と画面の動作を描写するのに適している。
• 固定の人物画像を軸に口播を構成する：まずHeyGenを見る。 画像は必須で、次に既存の録音かセリフの音声合成を選ぶ。
• 短いナレーションをすでに録音済み：どちらも選べる。 予算と合わせて動画全体を確認する。書店のサンプルは、後半に物体が新たに増えていないかも確認すべきことを示している。

インターフェースの切り替え：2つのリクエストボディの書き方

以下は書店組で実際に使用した2つのリクエストボディで、HiAPIのPOST https://api.hiapi.ai/v1/tasksに送信する。Borealは映像promptとdurationを保持し、HeyGenの音声モードではprompt、voice、durationを省略する。

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"
  }
}

送信後は返却されたdata.taskIdを保存し、タスク結果を照会する。詳しい手順は接続チュートリアルを参照。キッチン組では2つのリクエストのimage_urlをいずれも上記のキッチン参照画像に変更し、Borealはさらにキッチンの映像プロンプトに変更し、audio_urlは同じままにする。

よくある質問

2組は異なるナレーションを使ったのか？

使っていない。4つのリクエストはすべて上記の同じMP3を使用し、各組の両側も同じ画像を使用している。キッチンの画面はキッチン用のセリフを別途録音したことを意味しない。

同じpromptをそのまま両方に送れるか？

入力の意味をそのまま流用することはできない。Borealのテキストは画面を指示し、HeyGenのpromptはセリフであり、今回の音声モードではそれを省略している。

HeyGenのこの11.2秒の2本がなぜ各$1.80なのか？

今回のタスク課金記録では、この2本のサンプルは各12秒で決済、すなわち12 × $0.15。動画の長さと決済秒数は別々に記録する必要がある。

これで口元が完全に正確だと判断できるか？

できない。ここでは音声トラックの存在、音量、目に見える画面のみを確認しており、文字起こしも意味的な聴取審査もしていないため、セリフと口元の正確さは保証できない。

ナレーションがBorealの長さ範囲を超える場合は？

録音を1〜20秒のリクエストに適した断片に分割するか、最長600秒の駆動音声に対応するHeyGenを検討する。Borealは先頭のduration秒を保持し、短い音声は無音で埋める。

次のステップ：上記のフィールドに従って人物画像と録音を準備し、Borealを開いてこの入力セットを設定する。画面の書き方の詳細はBorealの事例ページを参照。