HiAPI
heygen-avatar-iv详情页Hero图:21:9宽幅,左侧柔光留白,右侧半透明玻璃肖像面板与胶片带、光轨层叠,明亮象牙底配冰蓝、青、腮红多色渐变,模型名以玻璃蚀刻发光立体字融入画面。

HeyGen

HeyGen Avatar IV

heygen-avatar-iv

上传单张照片加脚本即可生成带口型同步、面部表情与手势的说话头像视频,支持 1280p+ 输出,适合数字发言人与口播内容

heygen-avatar-iv

试用 heygen-avatar-iv

输入

作品灵感

查看全部作品

输出

video
填写参数并生成,结果会显示在这里。

价格

heygen-avatar-iv 每秒

单价 $0.150

定位简介

heygen-avatar-iv 是 HeyGen 提供的说话头像视频模型,通过 HiAPI.ai 统一接口调用。开发者上传一张正面人脸照片,再给出一段脚本文本或一段音频,即可生成带口型同步、面部表情与手势的说话视频。支持 720p 与 1080p 输出及多种画幅比例,适合需要快速产出数字发言人或角色口播素材的开发者与内容团队。

核心亮点

  • 单张照片驱动整段说话视频——只需一张正脸照片配合脚本或音频,无需拍摄或构建三维资产即可得到成片。
  • 表情与手势随语音联动——输出不止于唇形对齐,面部表情与头部动作随语音自然变化,接近真人口播观感。
  • 脚本文本与音频双输入——可直接填写脚本并选择音色,也可传入 HTTPS 音频做唇形同步,适配已有配音流程。
  • 画幅与背景可配置——提供 16:9、9:16、1:1 等多种比例,并可指定纯色或图片背景填充画面。

能力说明

照片生成说话视频:传入一张正面人脸照片即可生成说话视频,输出为视频文件,可直接用于成片或后续剪辑。

脚本转语音并驱动口型:填写脚本文本并指定内置音色,由模型合成语音并驱动头像说话,单段脚本最长 5000 字符。

音频唇形同步:传入 HTTPS 音频链接即可让照片按音频口型说话,单段音频最长 600 秒,此时脚本与音色参数不生效。

输出规格控制:可选 720p 或 1080p 分辨率,并设置 16:9、9:16、4:5、5:4、1:1 或跟随原图的比例,适配横屏、竖屏与方形发布位。

画面背景填充:当输出比例与照片比例不一致时,可用纯色或图片背景填充留白区域,避免画面出现空边。

适用场景

  • 营销团队制作数字发言人视频——用产品脚本配合品牌人物照片生成口播视频,用于官网、广告位与社媒投放,无需真人出镜排期。
  • 培训部门生成讲解课程素材——将课程讲义写成脚本,批量生成统一形象的讲解视频,嵌入学习平台或课件。
  • 短视频创作者产出竖屏口播——选择 9:16 画幅与选定音色生成竖屏口播素材,直接用于短视频平台内容更新。
  • 已有配音的多语言内容适配——将已有配音音频传入做唇形同步,配合照片生成对应语言的口播画面,用于内容本地化。

限制与选型建议

输入照片必须是清晰、正面的人脸,侧脸、遮挡或多人合影会明显影响效果,生成质量对源图依赖较大。输出为视频而非纯文本成片,需要事先准备脚本或音频。单段音频上限 600 秒、脚本上限 5000 字符,超长内容需分段生成。若只需要预置形象头像或真人数字分身,应选择对应的其他模型线路。

  • 模型上新 新增模型:heygen-avatar-iv,上传一张人像照片,即可用台词与预置声音或驱动音频生成口型同步的说话视频;提供…
  • HeyGen Avatar IV 需要哪些输入?

    一张人像照片,再选一种驱动方式:输入台词并选择声音,或上传一段音频。用台词时不选声音,会使用默认声音 Warm Pro Narrator。

  • 什么样的照片效果最好?

    正脸、五官清晰无遮挡、光线均匀、嘴巴自然闭合的单人照片效果最稳。侧脸、戴口罩、多人合照或面部很小的照片不适合。

  • 输出视频有多长?

    不需要传时长。台词配音时长度由台词和语速决定;音频驱动时与上传的音频长度一致,音频最长 600 秒。

  • 支持哪些画幅和分辨率?

    画幅支持 16:9、9:16、4:5、5:4、1:1 和 auto(沿用照片比例);分辨率支持 720p 和 1080p。

同类型模型