음성-영상 API는 어떻게 골라야 할까? 오디오 한 개 또는 대본으로 토킹 헤드 영상을 생성하기

결론부터: 음성-영상 API는 대본 한 편이나 오디오 파일 하나를 주면 그 내용을 말하는 사람의 영상을 반환하며, 입모양이 맞습니다. HiAPI에는 두 가지가 있습니다: HeyGen Avatar IV는 본인의 사진 한 장을 진행자로 사용하고, HeyGen Avatar V는 497개의 프리셋 진행자를 제공하며 투명 배경과 자막도 낼 수 있습니다. 둘 다 영상 초당 $0.15로, 10초 한 편이 $1.50이며, 입력한 대본(102개 음성 선택 가능)과 본인의 녹음 파일을 모두 받습니다. 지금 바로 시도할 수 있습니다: Avatar IV 모델 페이지 열기, 인물 사진을 업로드하고 한 문장을 입력하면 사진 속 사람이 말을 시작합니다. 신규 가입 시 200 크레딧을 드립니다.

두 모델 한눈에 보기

	HeyGen Avatar IV	HeyGen Avatar V
모델명	heygen-avatar-iv	heygen-avatar-v
진행자	본인 사진 (image_url)	497개 프리셋 중 하나 (avatar)
구동 방식	prompt(대본, 최대 5000자) 또는 audio_url(최대 600초)	동일
대본 더빙	102개 음성, 기본값 Warm Pro Narrator	동일하게 102개
해상도	720p 또는 1080p, 동일 가격	720p, 1080p 또는 4k
화면 비율	16:9, 9:16, 4:5, 5:4, 1:1, auto	16:9, 9:16 등
추가 기능	단색 또는 이미지 배경 채우기	투명 WebM, SRT 자막
가격	초당 $0.15	초당 $0.15

HiAPI 현재 가격, 2026년 10월 16일 확인.

길이를 전달할 필요가 없습니다. 대본을 주면 글자 수와 음성 속도에 따라 길이가 정해지고, 오디오를 주면 영상이 녹음과 같은 길이가 됩니다. 견적은 곧 낭독 시간의 견적입니다.

대본 사용: Avatar IV, 사진 한 장

인물 사진 한 장으로 만든 9초 1080p 설명 영상, $1.35:

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.

이 대본으로 생성하기 →(본인 사진 업로드, 음성은 Cute Chloe - Friendly 선택, 1080p, 16:9)

heygen-avatar-iv, 1080p, 16:9, 9초, $1.35. 스웨터, 헤어스타일, 방은 사진에서 가져오고, 입모양, 눈 깜박임, 고개 끄덕임은 음성을 따라갑니다.

{
  "model": "heygen-avatar-iv",
  "input": {
    "image_url": "https://your-cdn.example.com/portrait.jpg",
    "prompt": "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.",
    "voice": "Cute Chloe - Friendly",
    "resolution": "1080p",
    "aspect_ratio": "16:9"
  }
}

대본 사용: Avatar V, 프리셋 진행자

사진이 필요 없습니다. 사무실의 Daniel, 1080p, 약 8초, $1.20:

Hi, I'm Daniel. Send me your quarterly numbers, and I'll walk your team
through what changed and what to do next.

이 대본으로 생성하기 →(페이지에서 진행자와 음성 선택, 1080p, 16:9)

heygen-avatar-v, 1080p, 16:9, 약 8초, $1.20.

본인 오디오 사용

prompt와 voice를 audio_url로 바꿉니다. 입모양이 녹음을 따라가며, 녹음은 최대 600초, 가격은 여전히 출력 초당 $0.15입니다:

{
  "model": "heygen-avatar-v",
  "input": {
    "avatar": "Abigail Office Front",
    "audio_url": "https://your-cdn.example.com/voiceover.mp3",
    "resolution": "1080p",
    "aspect_ratio": "9:16"
  }
}

성우가 이미 녹음해 두어 기존 트랙에 화면을 입혀야 하거나, 음성이 더 선호하는 음성 합성 모델에서 나올 때 이 방식을 사용합니다.

상황별 선택법

• 진행자가 반드시 특정 실존 인물이어야 할 때, 창업자, 교사, 고객: Avatar IV에 그 사람의 사진을 사용합니다.
• 사진이 없거나 사진을 쓰고 싶지 않을 때: Avatar V의 프리셋 진행자.
• 투명 배경을 슬라이드 위에 겹쳐야 할 때, 또는 SRT 자막 파일이 필요할 때: Avatar V.
• 4K가 필요할 때: Avatar V, Avatar IV는 최대 1080p입니다.
• 세로 인물 사진으로 세로 화면을 만들 때: Avatar IV, aspect_ratio에 9:16 또는 auto를 입력합니다.
• 가격: 동일하니 위 항목들로 선택하세요.

얼마인가

길이	가격
5초	$0.75
10초	$1.50
30초	$4.50
60초	$9.00

$10이면 약 66초를 만들 수 있어, 사진 한 장이나 프리셋 진행자 하나로 여러 대본을 시험해 보기에 충분합니다. 오프닝은 삭제할 수 있으면 삭제하세요, 한 문장 적으면 청구서도 그만큼 줄어듭니다. 실패 시 자동 환불됩니다.

3단계 연동

1. POST /v1/tasks, "model"에 heygen-avatar-iv 또는 heygen-avatar-v를 넣고, input은 위와 같이 작성합니다. 파라미터는 엄격하게 검증되며, duration을 하나 더 전달하면 HTTP 400이 반환됩니다.
2. GET /v1/tasks/{taskId}를 폴링하거나 callback을 수신하여 status가 success가 될 때까지 기다립니다(fail과 failed는 모두 실패로 처리).
3. output[0].url을 다운로드합니다, 링크는 만료됩니다.

자주 묻는 질문

대본 없이 오디오만 줄 수 있나요?

네, 두 모델 모두 가능합니다. 오디오의 공개 링크를 audio_url에 넣고, prompt와 voice는 전달하지 않습니다. 오디오는 최대 600초입니다.

720p와 1080p가 같은 가격인가요?

같은 가격입니다, 두 모델 모두 초당 $0.15이므로 그냥 1080p를 선택하세요. API 기본값은 720p이며, resolution은 직접 작성해야 합니다.

어떤 언어를 지원하나요?

대본은 영어 또는 중국어일 수 있고, 오디오 구동 영상은 녹음에 담긴 언어를 따라갑니다.

건당 또는 월정액 요금이 있나요?

없습니다. 생성된 영상 초 단위로 과금되며, 실패 시에는 비용이 청구되지 않습니다.

단계별 코드는 Avatar IV API 튜토리얼과 Avatar V API 튜토리얼에서, 두 모델 비교는 Avatar IV vs Avatar V에서 확인하세요. 위의 Lin 대본을 그대로 복사해 첫 번째 말하는 사진 영상을 만들 수도 있습니다.