使用ガイド
HeyGen Avatar IV API はいくら？1秒あたり $0.15
秒単位の料金表、$10 で何秒作れるか、月間利用量から試算した予算表、そして動画1本あたりのコストを下げるいくつかの方法。
写真デジタルヒューマン動画を作るとき、まず把握すべきは「動画1本いくらか」という点です。答えはシンプルで、HeyGen Avatar IV は HiAPI 上で出力動画の秒数に応じて課金され、1秒 $0.15、720p と 1080p は同価格、10秒の動画1本で $1.50 です。
HeyGen Avatar IV は HiAPI で公開中です。モデルページを開くと、人物写真を1枚アップロードしてセリフを書くだけで、写真の中の人物が話し始めます。
HeyGen Avatar IV は動画1本いくら？
| 動画の長さ | 価格 |
|---|---|
| 5秒 | $0.75 |
| 8秒 | $1.20 |
| 10秒 | $1.50 |
| 15秒 | $2.25 |
| 30秒 | $4.50 |
| 60秒 | $9.00 |
価格帯は1つだけです。生成された動画の実際の秒数に応じて課金されます。タスク作成時には推定時間分が先に差し引かれ、完了後に実際の秒数で精算され、差額は返金または追加請求されます。失敗したタスクは全額返金されます。
モデルページではクレジットで表示され、1秒あたり300クレジット、2000クレジット = $1 です。
$10 で約66秒の動画を生成できます。およそ10秒のショート動画6本分で、同じ写真を使って複数の異なるセリフを一通り試すのに十分です。モデルページで最初の1本を生成する →
動画の長さは何で決まる？
リクエストに長さを渡す必要はありません。セリフで駆動する場合、長さはセリフと話速で決まります。自分の音声で駆動する場合、動画は音声と同じ長さになります。つまり価格の見積もりは長さの見積もりです。セリフを読み終えるのに何秒かかるかが、そのまま支払う秒数になります。
次の横長の解説動画は9秒で、$1.35 かかりました。写真のセーター、髪型、部屋はそのまま残り、口の動き、まばたき、軽いうなずきが音声に合わせて変化します：
パラメータは 1080p、16:9、音声は Cute Chloe - Friendly を選択。セリフは次の通りです（大意：私は小林、写真1枚と短いセリフで、あなたの製品を紹介したり授業を録画したりできます）：
Hi, I'm Lin. With one photo and a short script, I can present your product or record a lesson, with natural lip-sync and expressions.
月間予算はどう計算する？
本数 × 1本あたりの秒数 × $0.15 が、その月の請求額です：
| 用途 | 月間本数 | 合計秒数 | 月額費用 |
|---|---|---|---|
| 30秒の製品紹介 | 100本 | 3,000秒 | $450 |
| 60秒の講座動画 | 20本 | 1,200秒 | $180 |
| 10秒の口播 | 300本 | 3,000秒 | $450 |
同じ3,000秒なら、30秒を100本作っても10秒を300本作っても請求額は同じです。予算は合計秒数だけで決まり、本数の分け方は公開ペースに合わせて決めればよいです。
720p それとも 1080p？
迷わず 1080p を選んでください。両方同価格で、画質が高い方でも1円も多くかかりません。resolution のデフォルトは 720p なので、API を利用する際は 1080p を明示的に指定するのを忘れないでください。
アスペクト比も同じです。16:9、9:16、4:5、5:4、1:1、auto はすべて秒単位の課金で、掲載場所に合わせて選べばよいです。
どうすれば安く済む？
- セリフを短く書く。 費用は秒数だけに関係します。冒頭のあいさつや繰り返しの定型句を削り、核心的な情報を前に置けば、1文減らすごとに数秒分安くなります。
- 新しい写真はまず短いセリフで試す。 写真を変えるときは、まず数秒の短いセリフで実行し、口の動きや表情が自然かどうかを確認してから、満足したら本番のスクリプトを使ってください。正面、顔のパーツが隠れていない、光が均一、口が自然に閉じている単人写真が最も安定します。
- アスペクト比は写真に合わせる。 写真が縦長なら 9:16 で出力するか、auto を選んで写真の比率をそのまま使えば、画面に余白を埋める必要がありません。
- 1つのタスクは1回だけ送信する。
taskIdを受け取ったらポーリングするか、callback.urlで結果を受け取ってください。POST を重複すると新しいタスクが作成され、二重に課金されます。 - 完成品は早めにダウンロードする。 出力リンクは期限切れになるので、成功したらすぐに保存しておけば、再生成の手間が省けます。
縦長の種草動画は典型的な短いセリフの場面です。次のイヤホンの口播は8秒で生成され、$1.20 でした：
I've been using these new earbuds for a week. The noise canceling is super quiet, and the battery lasts all day. Follow me for more.
セリフは入力済み、縦長の写真をアップロードすれば生成できます → アスペクト比は 9:16、解像度は 1080p を選択。
HeyGen Avatar V と比べて価格は同じ？
同じです。どちらも1秒 $0.15 です。両者の違いは出鏡人がどこから来るかです：
| Avatar IV | Avatar V | |
|---|---|---|
| 出鏡人 | あなたがアップロードした写真1枚 | 497個のプリセットデジタルヒューマン |
| 解像度 | 720p / 1080p | 720p / 1080p / 4k |
| 透明背景、字幕ファイル | — | 対応 |
| 価格 | $0.15 / 秒 | $0.15 / 秒 |
自分の写真があって「この人」に出鏡させたいなら Avatar IV を選んでください。自分の姿が不要で、透明背景、字幕、4K が必要なら HeyGen Avatar V を選んでください。
よくある質問
720p と 1080p の価格は同じですか？ 同じです。1秒あたりどちらも $0.15 なので、そのまま 1080p を使ってください。
生成に失敗したらお金は引かれますか？ 引かれません。失敗したタスクで先に差し引かれた金額は全額返金されます。
先に引かれた金額と最終的な引き落とし額が違う場合は？ システムが自動で差額を返金または追加請求します。作成時には推定時間分が先に差し引かれ、完了後に実際の秒数で精算されます。
自分の録音で駆動する場合、どう課金されますか？ 同じく秒単位の課金で、動画は音声と同じ長さになり、音声は最長600秒です。
今すぐ最初の1本を生成
ビジネス報告用のセリフは入力済みです。オフィスでの半身写真をアップロードし、アスペクト比は 16:9、解像度は 1080p を選んで、「実行」をクリックしてください：
Hi, I'm Daniel. Send me your quarterly numbers, and I'll walk your team through what changed and what to do next.
モデルページを開く、セリフは入力済み → このセリフは8秒で生成され、費用は $1.20 です。
