HeyGen Video es el modelo de generación de escenas de propósito general de HeyGen, identificado por el fabricante como heygen-video-1. Crea sujeto, entorno, luz y sonido juntos desde un encargo creativo. Cada clip dura 5–15 segundos e incluye una pista generada con diálogo, ambiente y efectos. Las entradas útiles incluyen descripción de escena, fotografía de producto o material que establezca persona, lugar o movimiento. El recurso resultante es una escena corta para presentación de producto, inserción de bienvenida, vista de inmueble u otro trabajo de video editado.
Tres modos dan distintas funciones a las entradas. Texto a video crea desde la instrucción. Imagen a video comienza literalmente con la imagen aportada y sigue el encargo de acción. Referencia a video usa imágenes, video y audio opcional para una composición nueva; exige al menos una imagen o video de referencia. Elige primer fotograma si la apertura debe coincidir con una imagen fija o referencias si un objeto conocido debe aparecer en otra composición. Este modelo de escenas difiere de los motores de avatares y del flujo de composición Video Agent de HeyGen.
La guía favorece indicaciones concretas y detalladas: un sujeto, una locación y una acción acotada, con cámara fija o suave. Describe posición de cámara, lente o intención de profundidad de campo, luz, textura y color. Explica los puntos de contacto entre objetos cuando la acción dependa de ellos. Un ejemplo original puede usar una foto de un termo de viaje y pedir que esté sobre un mostrador de madera mientras una persona habla a su lado, con un pequeño acercamiento al termo. Revisa forma, posición y marcas visibles.
Las listas admiten hasta nueve imágenes, tres videos y tres audios, con máximo de doce referencias en total. Se numeran por tipo en el formato del fabricante: primera imagen <Picture 1>, primer video <Video 1>. Da una función explícita a cada referencia. El modelo lee los primeros cinco segundos de cada video; prepara ahí la sección pertinente. La referencia API también exige proporciones de video entre 1:4 y 4:1. Un clip largo cuyo movimiento deseado aparece al final es mala preparación para esa ventana de cinco segundos.
La interfaz acepta un recurso HTTPS directamente accesible, un identificador de recurso cargado o base64 integrado. La guía enumera máximos de imagen de 16 MB por URL y 5 MB integrado; video o audio de hasta 32 MB por URL y 16 MB integrado. Prepara fuentes legibles con sujeto distinguible y sin indicaciones contradictorias entre referencias. Conserva la orientación deseada en el primer fotograma. Estos detalles corresponden al flujo de referencias del fabricante y ayudan a organizar materiales para el modo elegido.
Dirige el sonido en el mismo encargo que la imagen. Indica diálogo, interpretación vocal, ambiente de sala y efectos concretos, incluida cercanía o distancia. Especifica el tratamiento musical cuando deba haber solo habla y ambiente. La guía sugiere aproximadamente 2.5 palabras habladas por segundo como estimación de planificación; deja espacio para pausas y acción. Una introducción breve puede ser una línea seguida de un momento que revele el producto. Escucha las palabras reales y si el sonido encaja con espacio y acción.
La duración se selecciona en segundos enteros de cinco a quince, con cinco por defecto. La resolución es una clase de tamaño: 480p, 768p, 1080p o 2k. Las relaciones documentadas son 21:9, 16:9, 4:3, 1:1, 3:4 y 9:16. En texto y referencia a video a 1080p o 2k, elige 16:9 o 9:16; se documenta encuadre adaptativo de referencia a 480p y 768p. Imagen a video sigue las proporciones iniciales, así que recorta antes cuando cambie la forma requerida. Revisa dimensiones reales en vez de suponer que la clase implica un par convencional de píxeles.
La guía especifica MP4 con imagen H.264 y audio AAC estéreo de 32 kHz. La generación es asíncrona y el trabajo completo aporta ubicación reproducible, duración y dimensiones. La ubicación firmada puede renovarse al consultar de nuevo el trabajo. Conserva clip, referencias y encargo para revisión de edición. El registro pendiente o en procesamiento sigue la generación; el video completo es el recurso de producción que evaluar en imagen, habla y sonido.
El fabricante documenta mejora de instrucciones con opciones turbo, quality y disabled; disabled conserva la redacción preparada. Una semilla fija sirve al comparar el cambio de una cláusula manteniendo otras entradas. Registra semilla y ajustes con el encargo. Para letras en pantalla, mantén breve la frase y escríbela exactamente; la guía recomienda componer después párrafos, letra pequeña y diagramas etiquetados. Revisa cada carácter de un título generado en vez de suponer reproducción correcta.
La guía identifica como menos fiables el texto largo en pantalla, movimiento orgánico suave de pétalos, papel o cabello y manipulación cercana con manos. Para explicar un procedimiento, deja que una línea clara transmita los pasos mientras la imagen muestra persona u objeto estables; usa visuales verificados por separado si la operación física debe ser exacta. Revisa toda la toma para continuidad de objetos, contacto, detalle de rostro y manos, diálogo y sonido. Una lista breve de cambios para la siguiente toma mantiene práctico un encargo detallado.
", "aboutText": "HeyGen Video es el modelo de generación de escenas de propósito general de HeyGen, identificado por el fabricante como heygen-video-1. Crea sujeto, entorno, luz y sonido juntos desde un encargo creativo. Cada clip dura 5–15 segundos e incluye una pista generada con diálogo, ambiente y efectos. Las entradas útiles incluyen descripción de escena, fotografía de producto o material que establezca persona, lugar o movimiento. El recurso resultante es una escena corta para presentación de producto, inserción de bienvenida, vista de inmueble u otro trabajo de video editado.\n\nTres modos dan distintas funciones a las entradas. Texto a video crea desde la instrucción. Imagen a video comienza literalmente con la imagen aportada y sigue el encargo de acción. Referencia a video usa imágenes, video y audio opcional para una composición nueva; exige al menos una imagen o video de referencia. Elige primer fotograma si la apertura debe coincidir con una imagen fija o referencias si un objeto conocido debe aparecer en otra composición. Este modelo de escenas difiere de los motores de avatares y del flujo de composición Video Agent de HeyGen.\n\nLa guía favorece indicaciones concretas y detalladas: un sujeto, una locación y una acción acotada, con cámara fija o suave. Describe posición de cámara, lente o intención de profundidad de campo, luz, textura y color. Explica los puntos de contacto entre objetos cuando la acción dependa de ellos. Un ejemplo original puede usar una foto de un termo de viaje y pedir que esté sobre un mostrador de madera mientras una persona habla a su lado, con un pequeño acercamiento al termo. Revisa forma, posición y marcas visibles.\n\nLas listas admiten hasta nueve imágenes, tres videos y tres audios, con máximo de doce referencias en total. Se numeran por tipo en el formato del fabricante: primera imagen