Avatar IV je engine avatarů HeyGen pro převod statického obrázku na expresivní mluvící video. Jeho návrh převodu zvuku na výraz inspirovaný difuzí používá tón hlasu, rytmus a emoce pro vedení pohybu tváře, náklonů hlavy, pauz a mikrovýrazů. Účelem je moderátor nebo postava přednášející mluvený obsah se synchronizací rtů a gesty, nikoli obecný generátor scén vytvářející celé prostředí a soundtrack z filmového promptu.
Výrobce popisuje podporu realistických i stylizovaných postav, včetně obrázků tváře z úhlu či z profilu, tváří ve stylu anime a domácích zvířat. Postavy založené na fotografii fungují nejlépe, když lze snadno rozpoznat oči, ústa a strukturu obličeje. HeyGen doporučuje jasný, dobře osvětlený obrázek s přirozenou polohou těla a viditelnými rukama, pokud záleží na gestech. Velmi malý obličej, zakryté rty, těžké masky, výrazný zobák nebo silně přehnané proporce mohou oslabit pohyb tváře a synchronizaci rtů. Zdrojové rámování přizpůsobte zamýšlenému výkonu.
Výrobce poskytuje dvě cesty řečového vstupu. Písemný scénář se páruje s vybraným hlasem; předem nahraná zvuková stopa dodává hlas i časování přímo. Cestu nahraného zvuku použijte, je-li přednes již stanoven, a cestu scénáře, je-li potřeba řeč syntetizovat. V dokumentovaném rozhraní jde o alternativní vstupy. Před animací připravte konečné znění, jména a výslovnost a se vráceným videem uchovejte zvuk nebo scénář pro kontrolu mluveného výsledku.
Modelový profil Avatar IV od HeyGen pokrývá studiové avatary, Digital Twins, Photo Avatars, přímé obrázky a postavy vytvořené promptem. Opakovaně použitelný Photo Avatar poskytuje stabilní objekt pro pozdější videa, zatímco postup přímého obrázku začíná dodaným snímkem. Profil Photo Avatar výrobce nabízí volné textové pokyny k pohybu a volby expresivity high, medium nebo low, s výchozím low. Při tvorbě série zachovejte vybraný vzhled avatara a engine, aby změněný zdrojový obrázek nebo renderovací model neznamenaly nepozorovanou změnu moderátora.
U vedení pohybu popište viditelnou akci těla a její emoční kvalitu. „Jemně přikývne s vřelým úsměvem“ dává jedno gesto a jeden výraz; krátký pozdrav může použít přátelské mávnutí. Výrobce doporučuje jedno hlavní gesto, volitelně spojené s výrazem tváře, a nejvýše dvě krátké větné části pro sekvenci. Avatar IV řeší tempo podle přednesu, takže příručka Studio nevyžaduje harmonogram gest po sekundách. Konkrétní stručné znění se kontroluje snáze než několik soupeřících akcí v jednom promptu.
Profil výrobce pro převod zvuku na video vykresluje až třicet minut dodaného zvuku na požadavek a nahrané podklady MP3 nebo WAV mají limit 32 MB. U delší lekce nebo záznamu materiál rozdělte na souvislých hranicích řeči a zachovejte původní pořadí. Časování mluveného obsahu konečného videa má sledovat vybraný zvuk, nikoli nesouvisející odhad délky klipu.
Dokumentovaná výstupní nastavení výrobce zahrnují 720p nebo 1080p a tvary 16:9, 9:16, 4:5, 5:4 nebo 1:1, s automatickou volbou sledující proporce zdroje. Přizpůsobení cover může objekt oříznout; contain zobrazuje celý objekt a může ponechat viditelné okolní pozadí. Postup zvuku na video ve výchozím nastavení vrací MP4. U videoavatarů vyžaduje průhledný výstup WebM podporu oddělení popředí a výrobce pro tento výstup odstraňuje pozadí, místo kombinování s novým pozadím. Před vložením moderátora do větší kompozice zkontrolujte skutečné rámování a soubor.
Úvod školení může použít čitelný obrázek moderátora, stručné vysvětlení a jedno zdrženlivé gesto u klíčového pokynu. Produktové vysvětlení může zachovat stejný vzhled avatara a měnit mluvený scénář pro různé funkce. Výrobce dokumentuje také volitelné titulkové soubory a vypálené titulky; jejich znění a časování kontrolujte společně s řečí. Renderování je v rozhraní výrobce asynchronní, takže odpověď vytvoření a dokončené video jsou různými výstupy. Hotovou nahrávku a její stav dokončení uchovejte s výsledkem úkolu.
Avatar IV zůstává odlišný od pohybu vedeného referencemi v Avatar V i od jeho samostatného ovládání předvoleb Studio. Liší se také od univerzálního generování scén HeyGen Video a od interaktivní konverzace s živým avatarem. Vykreslený pohyb úst, viditelné ruce, výraz tváře, pauzy a mluvené znění kontrolujte proti zdrojovému materiálu a zamýšlenému tónu. Obrázek, póza, osvětlení a pohybové pokyny ovlivňují výsledek; animaci založenou na fotografii je třeba kontrolovat jako generovaný výkon a vybrané vstupy uchovat pro pozdější úpravy.
", "aboutText": "Avatar IV je engine avatarů HeyGen pro převod statického obrázku na expresivní mluvící video. Jeho návrh převodu zvuku na výraz inspirovaný difuzí používá tón hlasu, rytmus a emoce pro vedení pohybu tváře, náklonů hlavy, pauz a mikrovýrazů. Účelem je moderátor nebo postava přednášející mluvený obsah se synchronizací rtů a gesty, nikoli obecný generátor scén vytvářející celé prostředí a soundtrack z filmového promptu.\n\nVýrobce popisuje podporu realistických i stylizovaných postav, včetně obrázků tváře z úhlu či z profilu, tváří ve stylu anime a domácích zvířat. Postavy založené na fotografii fungují nejlépe, když lze snadno rozpoznat oči, ústa a strukturu obličeje. HeyGen doporučuje jasný, dobře osvětlený obrázek s přirozenou polohou těla a viditelnými rukama, pokud záleží na gestech. Velmi malý obličej, zakryté rty, těžké masky, výrazný zobák nebo silně přehnané proporce mohou oslabit pohyb tváře a synchronizaci rtů. Zdrojové rámování přizpůsobte zamýšlenému výkonu.\n\nVýrobce poskytuje dvě cesty řečového vstupu. Písemný scénář se páruje s vybraným hlasem; předem nahraná zvuková stopa dodává hlas i časování přímo. Cestu nahraného zvuku použijte, je-li přednes již stanoven, a cestu scénáře, je-li potřeba řeč syntetizovat. V dokumentovaném rozhraní jde o alternativní vstupy. Před animací připravte konečné znění, jména a výslovnost a se vráceným videem uchovejte zvuk nebo scénář pro kontrolu mluveného výsledku.\n\nModelový profil Avatar IV od HeyGen pokrývá studiové avatary, Digital Twins, Photo Avatars, přímé obrázky a postavy vytvořené promptem. Opakovaně použitelný Photo Avatar poskytuje stabilní objekt pro pozdější videa, zatímco postup přímého obrázku začíná dodaným snímkem. Profil Photo Avatar výrobce nabízí volné textové pokyny k pohybu a volby expresivity high, medium nebo low, s výchozím low. Při tvorbě série zachovejte vybraný vzhled avatara a engine, aby změněný zdrojový obrázek nebo renderovací model neznamenaly nepozorovanou změnu moderátora.\n\nU vedení pohybu popište viditelnou akci těla a její emoční kvalitu. „Jemně přikývne s vřelým úsměvem“ dává jedno gesto a jeden výraz; krátký pozdrav může použít přátelské mávnutí. Výrobce doporučuje jedno hlavní gesto, volitelně spojené s výrazem tváře, a nejvýše dvě krátké větné části pro sekvenci. Avatar IV řeší tempo podle přednesu, takže příručka Studio nevyžaduje harmonogram gest po sekundách. Konkrétní stručné znění se kontroluje snáze než několik soupeřících akcí v jednom promptu.\n\nProfil výrobce pro převod zvuku na video vykresluje až třicet minut dodaného zvuku na požadavek a nahrané podklady MP3 nebo WAV mají limit 32 MB. U delší lekce nebo záznamu materiál rozdělte na souvislých hranicích řeči a zachovejte původní pořadí. Časování mluveného obsahu konečného videa má sledovat vybraný zvuk, nikoli nesouvisející odhad délky klipu.\n\nDokumentovaná výstupní nastavení výrobce zahrnují 720p nebo 1080p a tvary 16:9, 9:16, 4:5, 5:4 nebo 1:1, s automatickou volbou sledující proporce zdroje. Přizpůsobení cover může objekt oříznout; contain zobrazuje celý objekt a může ponechat viditelné okolní pozadí. Postup zvuku na video ve výchozím nastavení vrací MP4. U videoavatarů vyžaduje průhledný výstup WebM podporu oddělení popředí a výrobce pro tento výstup odstraňuje pozadí, místo kombinování s novým pozadím. Před vložením moderátora do větší kompozice zkontrolujte skutečné rámování a soubor.\n\nÚvod školení může použít čitelný obrázek moderátora, stručné vysvětlení a jedno zdrženlivé gesto u klíčového pokynu. Produktové vysvětlení může zachovat stejný vzhled avatara a měnit mluvený scénář pro různé funkce. Výrobce dokumentuje také volitelné titulkové soubory a vypálené titulky; jejich znění a časování kontrolujte společně s řečí. Renderování je v rozhraní výrobce asynchronní, takže odpověď vytvoření a dokončené video jsou různými výstupy. Hotovou nahrávku a její stav dokončení uchovejte s výsledkem úkolu.\n\nAvatar IV zůstává odlišný od pohybu vedeného referencemi v Avatar V i od jeho samostatného ovládání předvoleb Studio. Liší se také od univerzálního generování scén HeyGen Video a od interaktivní konverzace s živým avatarem. Vykreslený pohyb úst, viditelné ruce, výraz tváře, pauzy a mluvené znění kontrolujte proti zdrojovému materiálu a zamýšlenému tónu. Obrázek, póza, osvětlení a pohybové pokyny ovlivňují výsledek; animaci založenou na fotografii je třeba kontrolovat jako generovaný výkon a vybrané vstupy uchovat pro pozdější úpravy.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "661a1ec0ddcdb0f2ba7432fffaace1dedfb26bfedd9e9c0cdafcf4b7bb8d3d08", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "cs", "methods": [ { "html": "heygen/avatar-ivAvatar IV animuje fotografii do mluvícího videa se synchronizací rtů, s výrazem tváře a časováním gest vedeným hlasem. HeyGen dokumentuje postupy se scénářem nebo nahraným zvukem a ovládání pohybu Photo Avatar pro realistické či stylizované moderátory.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Avatar IV je engine avatarů HeyGen pro převod statického obrázku na expresivní mluvící video. Jeho návrh převodu zvuku na výraz inspirovaný difuzí používá tón hlasu, rytmus a emoce pro vedení pohybu tváře, náklonů hlavy, pauz a mikrovýrazů. Účelem je moderátor nebo postava přednášející mluvený obsah se synchronizací rtů a gesty, nikoli obecný generátor scén vytvářející celé prostředí a soundtrack z filmového promptu.
Výrobce popisuje podporu realistických i stylizovaných postav, včetně obrázků tváře z úhlu či z profilu, tváří ve stylu anime a domácích zvířat. Postavy založené na fotografii fungují nejlépe, když lze snadno rozpoznat oči, ústa a strukturu obličeje. HeyGen doporučuje jasný, dobře osvětlený obrázek s přirozenou polohou těla a viditelnými rukama, pokud záleží na gestech. Velmi malý obličej, zakryté rty, těžké masky, výrazný zobák nebo silně přehnané proporce mohou oslabit pohyb tváře a synchronizaci rtů. Zdrojové rámování přizpůsobte zamýšlenému výkonu.
Výrobce poskytuje dvě cesty řečového vstupu. Písemný scénář se páruje s vybraným hlasem; předem nahraná zvuková stopa dodává hlas i časování přímo. Cestu nahraného zvuku použijte, je-li přednes již stanoven, a cestu scénáře, je-li potřeba řeč syntetizovat. V dokumentovaném rozhraní jde o alternativní vstupy. Před animací připravte konečné znění, jména a výslovnost a se vráceným videem uchovejte zvuk nebo scénář pro kontrolu mluveného výsledku.
Modelový profil Avatar IV od HeyGen pokrývá studiové avatary, Digital Twins, Photo Avatars, přímé obrázky a postavy vytvořené promptem. Opakovaně použitelný Photo Avatar poskytuje stabilní objekt pro pozdější videa, zatímco postup přímého obrázku začíná dodaným snímkem. Profil Photo Avatar výrobce nabízí volné textové pokyny k pohybu a volby expresivity high, medium nebo low, s výchozím low. Při tvorbě série zachovejte vybraný vzhled avatara a engine, aby změněný zdrojový obrázek nebo renderovací model neznamenaly nepozorovanou změnu moderátora.
U vedení pohybu popište viditelnou akci těla a její emoční kvalitu. „Jemně přikývne s vřelým úsměvem“ dává jedno gesto a jeden výraz; krátký pozdrav může použít přátelské mávnutí. Výrobce doporučuje jedno hlavní gesto, volitelně spojené s výrazem tváře, a nejvýše dvě krátké větné části pro sekvenci. Avatar IV řeší tempo podle přednesu, takže příručka Studio nevyžaduje harmonogram gest po sekundách. Konkrétní stručné znění se kontroluje snáze než několik soupeřících akcí v jednom promptu.
Profil výrobce pro převod zvuku na video vykresluje až třicet minut dodaného zvuku na požadavek a nahrané podklady MP3 nebo WAV mají limit 32 MB. U delší lekce nebo záznamu materiál rozdělte na souvislých hranicích řeči a zachovejte původní pořadí. Časování mluveného obsahu konečného videa má sledovat vybraný zvuk, nikoli nesouvisející odhad délky klipu.
Dokumentovaná výstupní nastavení výrobce zahrnují 720p nebo 1080p a tvary 16:9, 9:16, 4:5, 5:4 nebo 1:1, s automatickou volbou sledující proporce zdroje. Přizpůsobení cover může objekt oříznout; contain zobrazuje celý objekt a může ponechat viditelné okolní pozadí. Postup zvuku na video ve výchozím nastavení vrací MP4. U videoavatarů vyžaduje průhledný výstup WebM podporu oddělení popředí a výrobce pro tento výstup odstraňuje pozadí, místo kombinování s novým pozadím. Před vložením moderátora do větší kompozice zkontrolujte skutečné rámování a soubor.
Úvod školení může použít čitelný obrázek moderátora, stručné vysvětlení a jedno zdrženlivé gesto u klíčového pokynu. Produktové vysvětlení může zachovat stejný vzhled avatara a měnit mluvený scénář pro různé funkce. Výrobce dokumentuje také volitelné titulkové soubory a vypálené titulky; jejich znění a časování kontrolujte společně s řečí. Renderování je v rozhraní výrobce asynchronní, takže odpověď vytvoření a dokončené video jsou různými výstupy. Hotovou nahrávku a její stav dokončení uchovejte s výsledkem úkolu.
Avatar IV zůstává odlišný od pohybu vedeného referencemi v Avatar V i od jeho samostatného ovládání předvoleb Studio. Liší se také od univerzálního generování scén HeyGen Video a od interaktivní konverzace s živým avatarem. Vykreslený pohyb úst, viditelné ruce, výraz tváře, pauzy a mluvené znění kontrolujte proti zdrojovému materiálu a zamýšlenému tónu. Obrázek, póza, osvětlení a pohybové pokyny ovlivňují výsledek; animaci založenou na fotografii je třeba kontrolovat jako generovaný výkon a vybrané vstupy uchovat pro pozdější úpravy.
POST /v1/videostext, image, audio, videovideo| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity heygen/avatar-iv | Výchozí— |
Poleinput_references | Typarray | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 2 Maximální počet položek: 2 | Výchozí— |
Poleprompt | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, input_references |
Parametrmaterial_types | Kontrakttext, image, audio, video |
Parametrmaterial_conditions | KontraktPoužijte skutečné URL obsahu dokončených médií spravovaných službou včetně vrácených podpisů: jeden zdroj videa pro BFL nebo jeden obrazový a jeden zvukový zdroj pro avatar. Je vyžadován doklad vlastníka, typu a bajtů zdroje., Zadejte právě jeden obrázek PNG/JPEG a jeden zvukový soubor WAV/MP3. Zvuk smí mít nejvýše 32000000 bajtů a délku větší než 0 a nejvýše 1800 sekund. |
Životní cyklus: asynchronous_job_then_owned_outputs
GET /v1/videos/{request_id} · skutečně vrácené id nebo polling_url
GET /v1/videos/{request_id}/content
Zobrazené sazby slouží k odhadu ceny před generováním. Konečný poplatek se vypočítá z nákladů zaznamenaných u původního generování. Naměřená délka výstupu ani odhadovaná množství nejsou konečným účtovaným množstvím.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Předpokládané množství | Účtovací jednotka | Podmínky účtování | Poplatek |
|---|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Předpokládané množství— | Účtovací jednotka— | Podmínky účtování— | Poplatek Vstup · Vstupní tokeny · Odhad pouze pro srovnání — / 1K tokenů Výstup · Výstupní tokeny · Odhad pouze pro srovnání — / 1K tokenů Vstup · Čtení z mezipaměti · Odhad pouze pro srovnání — / 1K tokenů Vstup · Zápis do mezipaměti · Odhad pouze pro srovnání — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina · Odhad pouze pro srovnání — / 1K tokenů |
| KonfiguraceCena videa | Tabulka sazeb— | Předpokládané množství— | Účtovací jednotkaza sekundu videa | Podmínky účtováníV tomto cenovém klíči není uvedena žádná další podmínka. | Poplatek Výstup · Cena videa · Odhad pouze pro srovnání $0.1 za sekundu videa |
| KonfiguraceOdhadovaná cena generování | Tabulka sazeb— | Předpokládané množstvíodhad pro jedno generování | Účtovací jednotka— | Podmínky účtování— | Poplatek Výstup · Odhadovaná cena generování · Odhad pouze pro srovnání $0.1 odhad před generováním Tento odhad není dodatečným poplatkem ani pevnou sazbou za dokončené generování. |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_INPUT_REFERENCES_JSON:?Set the actual documented input value}"\nexport AILOOT_INPUT_REFERENCES_JSON\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'heygen/avatar-iv', 'input_references': '${ACTUAL_OWNED_INPUT_REFERENCES}'}\nrequest['input_references']=json.loads(os.environ['AILOOT_INPUT_REFERENCES_JSON'])\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/videos \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nGET /v1/videos/{request_id}GET /v1/videos/{request_id}/contentset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_STATUS_FILE:?Set the actual completed status JSON file}"\nexport AILOOT_STATUS_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nfrom urllib.parse import urlsplit,urljoin\nf=Path(os.environ["AILOOT_STATUS_FILE"])\nif not f.is_file():raise SystemExit("Choose the actual completed status file")\nr=json.loads(f.read_text())\nif r.get("status")!="completed" or not isinstance(r.get("data"),list) or not r["data"]:raise SystemExit("Wait for a completed status with asset paths")\nurls=[]\nfor x in r["data"]:\n if not isinstance(x,str) or "\\n" in x or "\\r" in x:raise SystemExit("Invalid asset path")\n u=urljoin("https://api.ailoot.ai",x)\n z=urlsplit(u)\n if z.scheme!="https" or z.netloc!="api.ailoot.ai" or z.username or z.password:raise SystemExit("Use the actual Ailoot asset paths from status")\n urls.append(u)\nPath("asset-urls.txt").write_text("\\n".join(urls)+"\\n")\nPY_REQUEST\nindex=0\nwhile IFS= read -r asset_url; do\n curl --fail-with-body --silent --show-error "$asset_url" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o "video-${index}.mp4"\n index=$((index + 1))\ndone < asset-urls.txt\nUložte každé dokončené video či vrácený soubor; stáhněte obsah každé skutečně vrácené URL souboru.
Uchovejte úplnou odpověď a hlavičky, všechny skutečné výstupy, původní vrácené identifikátory a všechna pole s údaji o využití. Obnovte původní operaci bez opětovného odeslání požadavku na vytvoření.
Uchovejte X-Client-Request-ID, X-Ailoot-Task-Id a skutečně vrácené id/polling_url. Pokračujte v původní úloze; požadavek na vytvoření znovu neodesílejte.
| Pole | Typ |
|---|---|
Poleid | Typ |
Polestatus | Typ |
Poledata[] | Typ |
Poleoutputs[] | Typ |
Ailoot Ultra heygen/avatar-iv
Použijte cesty metod uvedené výše.