HeyGen: Avatar IV
Το Avatar IV κινεί μια φωτογραφία σε βίντεο ομιλίας με συγχρονισμό χειλιών, με τις εκφράσεις προσώπου και τον χρονισμό χειρονομιών να καθοδηγούνται από τη φωνή. Η HeyGen τεκμηριώνει ροές με κείμενο ή ηχογραφημένο ήχο και χειριστήρια κίνησης Photo Avatar για αληθοφανείς ή στιλιζαρισμένους παρουσιαστές.
Σχετικά με το μοντέλο
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Avatar IV είναι η μηχανή avatar της HeyGen για μετατροπή στατικής εικόνας σε εκφραστικό βίντεο ομιλίας. Ο σχεδιασμός μετατροπής ήχου σε έκφραση, εμπνευσμένος από διάχυση, χρησιμοποιεί φωνητικό τόνο, ρυθμό και συναίσθημα για να καθοδηγεί κίνηση προσώπου, κλίσεις κεφαλιού, παύσεις και μικροεκφράσεις. Σκοπός είναι ένας παρουσιαστής ή χαρακτήρας που μεταδίδει προφορικό περιεχόμενο με συγχρονισμό χειλιών και χειρονομίες, αντί για εργαλείο γενικής παραγωγής σκηνών που δημιουργεί ολόκληρο σκηνικό και ηχητικό κομμάτι από κινηματογραφική προτροπή.
Ο κατασκευαστής περιγράφει υποστήριξη αληθοφανών και στιλιζαρισμένων χαρακτήρων, συμπεριλαμβανομένων εικόνων υπό γωνία ή προφίλ, προσώπων anime και κατοικιδίων. Οι χαρακτήρες βάσει φωτογραφίας λειτουργούν καλύτερα όταν τα μάτια, το στόμα και η δομή προσώπου τους αναγνωρίζονται εύκολα. Η HeyGen συνιστά καθαρή, καλά φωτισμένη εικόνα με φυσική στάση και ορατά χέρια όταν οι χειρονομίες έχουν σημασία. Ένα πολύ μικρό πρόσωπο, κρυμμένα χείλη, βαριές μάσκες, έντονο ράμφος ή ιδιαίτερα υπερβολικές αναλογίες μπορούν να αποδυναμώσουν την κίνηση προσώπου και τον συγχρονισμό χειλιών. Διατηρήστε το αρχικό κάδρο κατάλληλο για την επιδιωκόμενη ερμηνεία.
Ο κατασκευαστής παρέχει δύο διαδρομές εισόδου ομιλίας. Ένα γραπτό κείμενο συνδυάζεται με επιλεγμένη φωνή· ένα προηχογραφημένο ηχητικό κομμάτι παρέχει απευθείας φωνή και χρονισμό. Χρησιμοποιήστε τη διαδρομή ηχογραφημένου ήχου όταν η εκφορά είναι ήδη καθορισμένη και τη διαδρομή κειμένου όταν η ομιλία πρέπει να συντεθεί. Αυτές οι είσοδοι είναι εναλλακτικές στην τεκμηριωμένη διεπαφή. Προετοιμάστε την τελική διατύπωση, τα ονόματα και την προφορά πριν από την κίνηση και διατηρήστε τον ήχο ή το κείμενο μαζί με το επιστρεφόμενο βίντεο, ώστε να ελέγχεται το προφορικό αποτέλεσμα.
Το προφίλ μοντέλου Avatar IV της HeyGen καλύπτει avatar στούντιο, Digital Twins, Photo Avatars, απευθείας εικόνες και θέματα που δημιουργούνται από προτροπή. Ένα επαναχρησιμοποιήσιμο Photo Avatar παρέχει σταθερό θέμα για μεταγενέστερα βίντεο, ενώ μια ροή απευθείας εικόνας ξεκινά από την παρεχόμενη εικόνα. Το προφίλ Photo Avatar του κατασκευαστή προσφέρει οδηγίες κίνησης ελεύθερου κειμένου και επιλογές εκφραστικότητας high, medium ή low, με προεπιλογή low. Διατηρήστε την επιλεγμένη εμφάνιση avatar και τη μηχανή όταν δημιουργείτε σειρά, ώστε μια αλλαγμένη αρχική εικόνα ή μοντέλο απόδοσης να μη γίνει απαρατήρητη αλλαγή παρουσιαστή.
Για κατεύθυνση κίνησης, περιγράψτε ορατή ενέργεια σώματος και τη συναισθηματική της ποιότητα. Το «Γνέφει απαλά με ζεστό χαμόγελο» δίνει μία χειρονομία και μία έκφραση· ένας σύντομος χαιρετισμός μπορεί να χρησιμοποιεί φιλικό κούνημα χεριού. Ο κατασκευαστής συνιστά μία κύρια χειρονομία, προαιρετικά μαζί με έκφραση προσώπου, και όχι περισσότερες από δύο σύντομες προτάσεις για ακολουθία. Το Avatar IV χειρίζεται τον ρυθμό από την ερμηνεία, επομένως ο οδηγός Studio δεν απαιτεί πρόγραμμα χειρονομιών ανά δευτερόλεπτο. Η συγκεκριμένη, σύντομη διατύπωση επιθεωρείται ευκολότερα από πολλές ανταγωνιστικές ενέργειες σε μία προτροπή.
Το προφίλ ήχου σε βίντεο του κατασκευαστή αποδίδει έως τριάντα λεπτά παρεχόμενου ήχου ανά αίτημα και τα μεταφορτωμένα στοιχεία MP3 ή WAV έχουν όριο 32 MB. Για μεγαλύτερο μάθημα ή ηχογράφηση, χωρίστε το υλικό σε συνεκτικά όρια ομιλίας και διατηρήστε την αρχική σειρά. Ο χρονισμός ομιλίας του τελικού βίντεο πρέπει να ακολουθεί τον επιλεγμένο ήχο αντί για άσχετη εκτίμηση διάρκειας αποσπάσματος.
Οι τεκμηριωμένες ρυθμίσεις εξόδου του κατασκευαστή περιλαμβάνουν 720p ή 1080p και σχήματα 16:9, 9:16, 4:5, 5:4 ή 1:1, με αυτόματη επιλογή που ακολουθεί τις αναλογίες της πηγής. Η προσαρμογή cover μπορεί να περικόπτει το θέμα· η contain χωρά ολόκληρο το θέμα και μπορεί να αφήνει ορατό περιβάλλον φόντο. Η ροή ήχου σε βίντεο επιστρέφει MP4 από προεπιλογή. Για avatar βίντεο, η διαφανής έξοδος WebM απαιτεί υποστήριξη απομόνωσης θέματος και ο κατασκευαστής εφαρμόζει αφαίρεση φόντου για αυτή την έξοδο αντί να τη συνδυάζει με νέο φόντο. Επιθεωρήστε το πραγματικό κάδρο και αρχείο πριν τοποθετήσετε τον παρουσιαστή σε μεγαλύτερη σύνθεση.
Μια εισαγωγή εκπαίδευσης μπορεί να χρησιμοποιεί ευανάγνωστη εικόνα παρουσιαστή, σύντομη εξήγηση και μία συγκρατημένη χειρονομία στη βασική οδηγία. Μια επεξήγηση προϊόντος μπορεί να διατηρεί την ίδια εμφάνιση avatar αλλάζοντας το προφορικό κείμενο για διαφορετικές λειτουργίες. Ο κατασκευαστής τεκμηριώνει επίσης προαιρετικά αρχεία υποτίτλων και ενσωματωμένους υπότιτλους· ελέγξτε διατύπωση και χρονισμό μαζί με την ομιλία. Η απόδοση είναι ασύγχρονη στη διεπαφή του κατασκευαστή, επομένως μια απόκριση δημιουργίας και το ολοκληρωμένο βίντεο είναι διαφορετικά τεχνουργήματα. Κρατήστε την ολοκληρωμένη εγγραφή και την κατάσταση ολοκλήρωσής της μαζί με το αποτέλεσμα εργασίας.
Το Avatar IV παραμένει διακριτό από την κίνηση βάσει αναφορών του Avatar V και τις ξεχωριστές προκαθορισμένες ρυθμίσεις Studio του. Διαφέρει επίσης από τη γενική παραγωγή σκηνών του HeyGen Video και από διαδραστική συνομιλία ζωντανού avatar. Ελέγξτε την αποδοσμένη κίνηση στόματος, τα ορατά χέρια, την έκφραση προσώπου, τις παύσεις και την προφορική διατύπωση σε σχέση με το αρχικό υλικό και τον επιδιωκόμενο τόνο. Η εικόνα, η στάση, ο φωτισμός και οι οδηγίες κίνησης επηρεάζουν το αποτέλεσμα· μια κίνηση βάσει φωτογραφίας πρέπει να ελέγχεται ως παραγόμενη ερμηνεία, με τις επιλεγμένες εισόδους διατηρημένες για μελλοντικές αναθεωρήσεις.
Ailoot Ultra · Βίντεο POST /v1/videos heygen/avatar-iv
heygen/avatar-ivΕισαγωγή
Το Avatar IV κινεί μια φωτογραφία σε βίντεο ομιλίας με συγχρονισμό χειλιών, με τις εκφράσεις προσώπου και τον χρονισμό χειρονομιών να καθοδηγούνται από τη φωνή. Η HeyGen τεκμηριώνει ροές με κείμενο ή ηχογραφημένο ήχο και χειριστήρια κίνησης Photo Avatar για αληθοφανείς ή στιλιζαρισμένους παρουσιαστές.
- Αποδεκτές είσοδοι
- Κείμενο · Εικόνες · Ήχος · Βίντεο
- Αποτελέσματα
- Βίντεο
Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι
Ailoot Ultra · Βίντεο POST /v1/videos
- Είσοδος
text,image,audio,video- Έξοδος
video
| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια heygen/avatar-iv | Προεπιλογή— |
Πεδίοinput_references | Τύποςarray | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 2 Μέγιστο πλήθος στοιχείων: 2 | Προεπιλογή— |
Πεδίοprompt | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Παράμετροι και κύκλος ζωής μεθόδου
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, input_references |
Παράμετροςmaterial_types | Σύμβασηtext, image, audio, video |
Παράμετροςmaterial_conditions | ΣύμβασηΧρησιμοποιήστε πραγματικά URL περιεχομένου ολοκληρωμένων αρχείων πολυμέσων που σας ανήκουν, με τις υπογραφές που επιστρέφονται: μία πηγή βίντεο για BFL ή μία πηγή εικόνας και μία πηγή ήχου για avatar. Απαιτείται τεκμήριο ιδιοκτήτη, τύπου και byte από τον πηγαίο κώδικα., Δώστε ακριβώς μία εικόνα PNG/JPEG και ένα αρχείο ήχου WAV/MP3. Ο ήχος έχει το πολύ 32000000 byte, με διάρκεια μεγαλύτερη από 0 και το πολύ 1800 δευτερόλεπτα. |
Κύκλος ζωής: asynchronous_job_then_owned_outputs
GET /v1/videos/{request_id} · πραγματικό id ή polling_url που επιστρέφεται
GET /v1/videos/{request_id}/content
Τιμολόγηση
Πώς υπολογίζεται η τελική χρέωση
Οι εμφανιζόμενες τιμές χρησιμοποιούνται για την εκτίμηση του κόστους πριν από την παραγωγή. Η τελική χρέωση υπολογίζεται από το κόστος που καταγράφηκε για την αρχική παραγωγή. Η μετρημένη διάρκεια της εξόδου και οι προβλεπόμενες ποσότητες δεν αποτελούν την τελική χρεώσιμη ποσότητα.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
- Γρήγορη λειτουργία
- Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία
- Λειτουργία flex
- Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex
- Μέγιστη προσπάθεια συλλογισμού
- Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default
Εκτιμώμενες χρεώσεις για σύγκριση
Τιμές ανά διαμόρφωση
Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.
| Διαμόρφωση | Πίνακας χρεώσεων | Προβλεπόμενη ποσότητα | Μονάδα τιμολόγησης | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις token | Πίνακας χρεώσεωνΒασική χρέωση | Προβλεπόμενη ποσότητα— | Μονάδα τιμολόγησης— | Συνθήκες χρέωσης— | Χρέωση Είσοδος · Token εισόδου · Εκτίμηση μόνο για σύγκριση — / 1K token Έξοδος · Token εξόδου · Εκτίμηση μόνο για σύγκριση — / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη · Εκτίμηση μόνο για σύγκριση — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη · Εκτίμηση μόνο για σύγκριση — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα · Εκτίμηση μόνο για σύγκριση — / 1K token |
| ΔιαμόρφωσηΤιμή βίντεο | Πίνακας χρεώσεων— | Προβλεπόμενη ποσότητα— | Μονάδα τιμολόγησηςανά δευτερόλεπτο βίντεο | Συνθήκες χρέωσηςΔεν δηλώνεται πρόσθετη συνθήκη σε αυτό το κλειδί τιμολόγησης. | Χρέωση Έξοδος · Τιμή βίντεο · Εκτίμηση μόνο για σύγκριση $0.1 ανά δευτερόλεπτο βίντεο |
| ΔιαμόρφωσηΕκτιμώμενο κόστος δημιουργίας | Πίνακας χρεώσεων— | Προβλεπόμενη ποσότηταεκτίμηση για μία δημιουργία | Μονάδα τιμολόγησης— | Συνθήκες χρέωσης— | Χρέωση Έξοδος · Εκτιμώμενο κόστος δημιουργίας · Εκτίμηση μόνο για σύγκριση $0.1 εκτίμηση πριν από τη δημιουργία Αυτή η εκτίμηση δεν αποτελεί πρόσθετη χρέωση ούτε σταθερή τιμή για την ολοκληρωμένη παραγωγή. |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Παραδείγματα αιτημάτων
Ailoot Ultra · Βίντεο
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.
Λήψη και αποθήκευση αποτελεσμάτων
Ailoot Ultra · Βίντεο
GET /v1/videos/{request_id}GET /v1/videos/{request_id}/content
Αποθηκεύστε όλα τα ολοκληρωμένα αρχεία
set -eu
: "${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
Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα
Αποθηκεύστε κάθε ολοκληρωμένο βίντεο ή αρχείο που επιστρέφεται· ανακτήστε κάθε πραγματικό URL αρχείου που επιστρέφεται.
Διατηρήστε ολόκληρη την απόκριση και τις κεφαλίδες, κάθε πραγματικό αποτέλεσμα εξόδου, τα αρχικά αναγνωριστικά που επιστράφηκαν και όλα τα πεδία χρήσης. Ανακτήστε την αρχική λειτουργία χωρίς να υποβάλετε ξανά αίτημα δημιουργίας.
Αν χρειάζεται έλεγχος της αρχικής απάντησης
Διατηρήστε τα X-Client-Request-ID, X-Ailoot-Task-Id και το πραγματικό id/polling_url που επιστρέφεται. Συνεχίστε την αρχική εργασία· μην υποβάλετε ξανά αίτημα δημιουργίας.
Πεδία απάντησης
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύπος |
Πεδίοstatus | Τύπος |
Πεδίοdata[] | Τύπος |
Πεδίοoutputs[] | Τύπος |
Εναλλακτικά ονόματα
Εναλλακτικά ονόματα μοντέλου
Ailoot Ultra heygen/avatar-iv
Εναλλακτικές διαδρομές μεθόδων
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Σχετικά ID μοντέλων
FAQ · HeyGen: Avatar IV
- Ποιες είσοδοι και αποτελέσματα διατίθενται;
POST /v1/videos·heygen/avatar-iv:text,image,audio,video→video- Ποια πεδία χρησιμοποιεί το αίτημα;
POST /v1/videos·heygen/avatar-iv:model,input_references,prompt