HeyGen: Avatar IV
Avatar IV animiert ein Foto zu einem lippensynchronen Sprechvideo, dessen Mimik und Gestentiming durch die Stimme gesteuert werden. HeyGen dokumentiert Abläufe mit Skript oder aufgezeichnetem Ton sowie Bewegungssteuerungen für Photo Avatars für lebensechte oder stilisierte Präsentierende.
Über das Modell
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Avatar IV ist HeyGens Avatar-Engine, die aus einem Standbild ein ausdrucksstarkes Sprechvideo erstellt. Ihr von Diffusionsverfahren inspiriertes Audio-zu-Ausdruck-Design nutzt Stimmklang, Rhythmus und Emotion, um Gesichtsbewegungen, Kopfneigungen, Pausen und Mikroausdrücke zu steuern. Ziel ist eine präsentierende Person oder Figur, die Inhalte mit Lippensynchronität und Gesten spricht, statt einer allgemeinen Szenengenerierung, die aus einem filmischen Prompt eine gesamte Umgebung samt Tonspur erstellt.
Der Hersteller beschreibt Unterstützung für lebensechte und stilisierte Figuren, darunter schräge Ansichten oder Profilbilder, Anime-Gesichter und Haustiere. Fotobasierte Figuren funktionieren am besten, wenn Augen, Mund und Gesichtsstruktur gut erkennbar sind. HeyGen empfiehlt ein klares, gut beleuchtetes Bild mit natürlicher Haltung und sichtbaren Händen, wenn Gesten wichtig sind. Ein sehr kleines Gesicht, verdeckte Lippen, schwere Masken, ein ausgeprägter Schnabel oder stark überzeichnete Proportionen können Gesichtsbewegung und Lippensynchronität schwächen. Stimmen Sie den Bildausschnitt auf die gewünschte Darstellung ab.
Der Hersteller bietet zwei Spracheingabewege. Ein schriftliches Skript wird mit einer ausgewählten Stimme kombiniert; eine vorab aufgenommene Tonspur liefert Stimme und Timing direkt. Verwenden Sie aufgenommenen Ton, wenn der Vortrag bereits feststeht, und den Skriptweg, wenn Sprache synthetisiert werden soll. In der dokumentierten Schnittstelle sind dies alternative Eingaben. Bereiten Sie Wortlaut, Namen und Aussprache vor der Animation endgültig vor und bewahren Sie Ton oder Skript zusammen mit dem Video auf, damit das gesprochene Ergebnis geprüft werden kann.
HeyGens Modellprofil für Avatar IV umfasst Studio-Avatare, Digital Twins, Photo Avatars, direkte Bilder und per Prompt erstellte Motive. Ein wiederverwendbarer Photo Avatar liefert ein stabiles Motiv für spätere Videos; ein Direktbildablauf beginnt mit dem bereitgestellten Bild. Das Photo-Avatar-Profil des Herstellers bietet frei formulierte Bewegungsanweisungen und die Ausdrucksstufen high, medium oder low, standardmäßig low. Behalten Sie in einer Serie den gewählten Avatar-Look und die Engine bei, damit ein neues Ausgangsbild oder Renderingmodell nicht unbemerkt die präsentierende Person verändert.
Beschreiben Sie für Bewegungsanweisungen eine sichtbare Körperhandlung und ihren emotionalen Charakter. „Nickt sanft mit einem warmen Lächeln“ gibt eine Geste und einen Ausdruck vor; eine kurze Begrüßung kann ein freundliches Winken nutzen. Der Hersteller empfiehlt eine Hauptgeste, optional mit Gesichtsausdruck, und höchstens zwei kurze Teilsätze für eine Folge. Avatar IV leitet das Tempo aus der Darbietung ab; der Studio-Leitfaden verlangt daher keinen sekundengenauen Gestenplan. Konkrete, knappe Formulierungen lassen sich leichter prüfen als mehrere konkurrierende Handlungen in einem Prompt.
Das Audio-zu-Video-Profil des Herstellers rendert bis zu dreißig Minuten bereitgestellten Ton pro Anfrage; hochgeladene MP3- oder WAV-Dateien sind auf 32 MB begrenzt. Teilen Sie längere Lektionen oder Aufnahmen an zusammenhängenden Sprachgrenzen und behalten Sie die ursprüngliche Reihenfolge bei. Das Sprachtiming des fertigen Videos sollte dem gewählten Ton folgen und keiner unabhängigen Schätzung der Cliplänge.
Die dokumentierten Ausgabeeinstellungen des Herstellers umfassen 720p oder 1080p und Formate von 16:9, 9:16, 4:5, 5:4 oder 1:1 sowie eine automatische Option, die den Quellproportionen folgt. Die Anpassung cover kann das Motiv beschneiden; contain passt das ganze Motiv ein und kann umgebenden Hintergrund sichtbar lassen. Der Audio-zu-Video-Ablauf liefert standardmäßig MP4. Transparente WebM-Ausgabe für Video-Avatare benötigt Matting-Unterstützung; der Hersteller entfernt dafür den Hintergrund, statt die Ausgabe mit einem neuen Hintergrund zu kombinieren. Prüfen Sie tatsächlichen Ausschnitt und Datei, bevor Sie die präsentierende Person in eine größere Komposition einsetzen.
Eine Schulungseinführung kann ein gut erkennbares Präsentationsbild, eine knappe Erklärung und eine zurückhaltende Geste bei der wichtigen Anweisung nutzen. Eine Produkterklärung kann denselben Avatar-Look beibehalten und das Skript für unterschiedliche Funktionen ändern. Der Hersteller dokumentiert auch optionale Untertiteldateien und eingebrannte Untertitel; prüfen Sie deren Wortlaut und Timing zusammen mit der Sprache. Das Rendering läuft in der Herstellerschnittstelle asynchron; Erstellungsantwort und fertiges Video sind daher unterschiedliche Ergebnisse. Bewahren Sie die fertige Aufnahme und ihren Abschlussstatus beim Aufgabenergebnis auf.
Avatar IV unterscheidet sich weiterhin von Avatar Vs referenzgesteuerter Bewegung und dessen separaten Studio-Voreinstellungen. Es unterscheidet sich auch von HeyGen Videos allgemeiner Szenengenerierung und von einem interaktiven Gespräch mit einem Live-Avatar. Prüfen Sie gerenderte Mundbewegung, sichtbare Hände, Mimik, Pausen und Wortlaut anhand der Quellen und des gewünschten Tons. Bild, Pose, Licht und Bewegungsanweisungen beeinflussen das Ergebnis; beurteilen Sie eine fotobasierte Animation als generierte Darbietung und bewahren Sie die gewählten Eingaben für spätere Überarbeitungen auf.
Ailoot Ultra · Videos POST /v1/videos heygen/avatar-iv
heygen/avatar-ivEinstieg
Avatar IV animiert ein Foto zu einem lippensynchronen Sprechvideo, dessen Mimik und Gestentiming durch die Stimme gesteuert werden. HeyGen dokumentiert Abläufe mit Skript oder aufgezeichnetem Ton sowie Bewegungssteuerungen für Photo Avatars für lebensechte oder stilisierte Präsentierende.
- Zulässige Eingaben
- Text · Bilder · Audio · Video
- Ergebnisse
- Video
In Ailoot verfügbar · Eingaben und Methoden
Ailoot Ultra · Videos POST /v1/videos
- Eingabe
text,image,audio,video- Ausgabe
video
| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits heygen/avatar-iv | Standard— |
Feldinput_references | Typarray | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 2 Maximale Anzahl Elemente: 2 | Standard— |
Feldprompt | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Methodenparameter und Lebenszyklus
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, input_references |
Parametermaterial_types | Vertragtext, image, audio, video |
Parametermaterial_conditions | VertragVerwenden Sie tatsächliche Inhalts-URLs fertiggestellter, Ihnen zugeordneter Medienassets mit deren zurückgegebenen Signaturen: eine Videoquelle für BFL oder eine Bild- und eine Audioquelle für den Avatar. Der Quellcode-Nachweis über Eigentümer, Typ und Bytes ist erforderlich., Geben Sie genau ein PNG/JPEG-Bild und ein WAV/MP3-Audioasset an. Das Audio umfasst höchstens 32000000 Bytes und hat eine Dauer von mehr als 0 und höchstens 1800 Sekunden. |
Lebenszyklus: asynchronous_job_then_owned_outputs
GET /v1/videos/{request_id} · tatsächlich zurückgegebene id oder polling_url
GET /v1/videos/{request_id}/content
Tarife
So wird die endgültige Gebühr berechnet
Die angezeigten Tarife dienen zur Kostenschätzung vor der Generierung. Der endgültige Betrag wird aus den für die ursprüngliche Generierung erfassten Kosten berechnet. Die gemessene Ausgabedauer und prognostizierte Mengen sind nicht die endgültige abrechenbare Menge.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
- Schnellmodus
- Nicht angegeben Wenn der Schnellmodus ausgewählt ist
- Flex-Modus
- Nicht angegeben Wenn der Modus flex ausgewählt ist
- Maximaler Denkaufwand
- Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird
Geschätzte Tarife zum Vergleich
Preise nach Konfiguration
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Prognostizierte Menge | Abrechnungseinheit | Abrechnungsbedingungen | Gebühr |
|---|---|---|---|---|---|
| KonfigurationBasistarife für Tokens | TarifstaffelGrundtarif | Prognostizierte Menge— | Abrechnungseinheit— | Abrechnungsbedingungen— | Gebühr Eingabe · Eingabetoken · Schätzung nur zum Vergleich — / 1K Tokens Ausgabe · Ausgabetoken · Schätzung nur zum Vergleich — / 1K Tokens Eingabe · Cache lesen · Schätzung nur zum Vergleich — / 1K Tokens Eingabe · In Cache schreiben · Schätzung nur zum Vergleich — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde · Schätzung nur zum Vergleich — / 1K Tokens |
| KonfigurationVideopreis | Tarifstaffel— | Prognostizierte Menge— | Abrechnungseinheitpro Videosekunde | AbrechnungsbedingungenIn diesem Preisschlüssel ist keine zusätzliche Bedingung angegeben. | Gebühr Ausgabe · Videopreis · Schätzung nur zum Vergleich $0.1 pro Videosekunde |
| KonfigurationGeschätzte Generierungskosten | Tarifstaffel— | Prognostizierte MengeSchätzung für eine Generierung | Abrechnungseinheit— | Abrechnungsbedingungen— | Gebühr Ausgabe · Geschätzte Generierungskosten · Schätzung nur zum Vergleich $0.1 Schätzung vor der Generierung Diese Schätzung ist weder eine zusätzliche Gebühr noch ein fester Tarif für die abgeschlossene Generierung. |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Beispielanfragen
Ailoot Ultra · Videos
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_REFERENCES_JSON:?Set the actual documented input value}"
export AILOOT_INPUT_REFERENCES_JSON
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'heygen/avatar-iv', 'input_references': '${ACTUAL_OWNED_INPUT_REFERENCES}'}
request['input_references']=json.loads(os.environ['AILOOT_INPUT_REFERENCES_JSON'])
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/videos \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.
Ergebnisse abrufen und speichern
Ailoot Ultra · Videos
GET /v1/videos/{request_id}GET /v1/videos/{request_id}/content
Alle fertiggestellten Dateien speichern
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_STATUS_FILE:?Set the actual completed status JSON file}"
export AILOOT_STATUS_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
from urllib.parse import urlsplit,urljoin
f=Path(os.environ["AILOOT_STATUS_FILE"])
if not f.is_file():raise SystemExit("Choose the actual completed status file")
r=json.loads(f.read_text())
if r.get("status")!="completed" or not isinstance(r.get("data"),list) or not r["data"]:raise SystemExit("Wait for a completed status with asset paths")
urls=[]
for x in r["data"]:
if not isinstance(x,str) or "\n" in x or "\r" in x:raise SystemExit("Invalid asset path")
u=urljoin("https://api.ailoot.ai",x)
z=urlsplit(u)
if z.scheme!="https" or z.netloc!="api.ailoot.ai" or z.username or z.password:raise SystemExit("Use the actual Ailoot asset paths from status")
urls.append(u)
Path("asset-urls.txt").write_text("\n".join(urls)+"\n")
PY_REQUEST
index=0
while IFS= read -r asset_url; do
curl --fail-with-body --silent --show-error "$asset_url" \
-H "Authorization: Bearer $AILOOT_API_KEY" -o "video-${index}.mp4"
index=$((index + 1))
done < asset-urls.txt
Alle fertiggestellten Ergebnisse aufbewahren
Speichern Sie jedes fertiggestellte Video oder jede zurückgegebene Datei; rufen Sie jede tatsächlich zurückgegebene Datei-URL ab.
Die vollständige Antwort und ihre Header, jede tatsächliche Ausgabe, die ursprünglich zurückgegebenen Kennungen und alle Nutzungsfelder aufbewahren. Den ursprünglichen Vorgang wiederaufnehmen, ohne die Erstellung erneut anzufordern.
Wenn die ursprüngliche Antwort geprüft werden muss
Bewahren Sie X-Client-Request-ID, X-Ailoot-Task-Id und die tatsächlich zurückgegebene id/polling_url auf. Setzen Sie den ursprünglichen Auftrag fort; übermitteln Sie die Erstellung nicht erneut.
Antwortfelder
| Feld | Typ |
|---|---|
Feldid | Typ |
Feldstatus | Typ |
Felddata[] | Typ |
Feldoutputs[] | Typ |
Aliasnamen
Modellaliasnamen
Ailoot Ultra heygen/avatar-iv
Aliasnamen für Methodenpfade
Verwenden Sie die oben angezeigten Methodenpfade.
Zugehörige Aufrufer-IDs
FAQ · HeyGen: Avatar IV
- Welche Eingaben und Ergebnisse sind verfügbar?
POST /v1/videos·heygen/avatar-iv:text,image,audio,video→video- Welche Felder verwendet die Anfrage?
POST /v1/videos·heygen/avatar-iv:model,input_references,prompt