Az Avatar IV a HeyGen avatarmotorja állókép kifejező beszélő videóvá alakításához. Hangból arckifejezést létrehozó, diffúzió ihlette kialakítása a hang tónusával, ritmusával és érzelmével irányítja az arcmozgást, fejbillentést, szüneteket és mikroarckifejezéseket. Célja beszélt tartalmat szájszinkronnal és gesztusokkal előadó műsorvezető vagy karakter, nem általános jelenetgenerátor, amely filmes promptból teljes helyszínt és hangsávot készít.
A gyártó élethű és stilizált karakterek támogatását írja le, köztük ferde vagy profilképeket, anime-stílusú arcokat és háziállatokat. A fotóalapú karakterek akkor működnek a legjobban, ha szemük, szájuk és arcszerkezetük könnyen azonosítható. A HeyGen tiszta, jól megvilágított képet ajánl természetes testtartással és látható kézzel, ha a gesztus számít. Nagyon kis arc, takart ajak, erős maszk, hangsúlyos csőr vagy erősen eltúlzott arányok gyengíthetik az arcmozgást és szájszinkront. A forráskivágás illeszkedjen a kívánt előadáshoz.
A gyártó két beszédbemeneti utat biztosít. Az írott szöveg kiválasztott hanggal párosul; az előre rögzített hangsáv közvetlenül adja a hangot és időzítést. A rögzített hangos utat használd, ha az előadás már kialakult, a szöveges utat pedig akkor, ha a beszédet szintetizálni kell. Ezek a bemenetek alternatívák a dokumentált felületen. Animálás előtt készítsd elő a végleges megfogalmazást, neveket és kiejtést, és a hangot vagy szöveget őrizd meg a visszaadott videóval, hogy a beszélt eredmény ellenőrizhető legyen.
A HeyGen Avatar IV modellleírása stúdióavatarok, Digital Twins és Photo Avatars, közvetlen képek, valamint prompttal létrehozott alanyok használatát fedi le. Az újra használható Photo Avatar állandó alanyt biztosít későbbi videókhoz, míg a közvetlen képes munkafolyamat a megadott képből indul. A gyártó Photo Avatar leírása szabad szöveges mozgásutasításokat és high, medium vagy low kifejezőerő-választást kínál, low alapértékkel. Sorozatnál tartsd meg a kiválasztott avatarmegjelenést és motort, hogy a megváltozott forráskép vagy renderelőmodell ne váljon észrevétlen műsorvezető-váltássá.
Mozgásirányításhoz látható testmozdulatot és annak érzelmi minőségét írd le. A „Finoman bólint, meleg mosollyal” egy gesztust és egy kifejezést ad; rövid üdvözlés barátságos integetést használhat. A gyártó egy fő gesztust ajánl, opcionálisan arckifejezéssel párosítva, sorozathoz legfeljebb két rövid tagmondattal. Az Avatar IV az előadásból kezeli a tempót, ezért a Studio útmutatója nem igényel másodpercről másodpercre készített gesztusütemezést. A konkrét, tömör megfogalmazás könnyebben ellenőrizhető, mint egy promptban több versengő művelet.
A gyártó hang–videó leírása kérésenként legfeljebb harminc perc megadott hangot renderel, és a feltöltött MP3- vagy WAV-anyagokra 32 MB korlát vonatkozik. Hosszabb leckénél vagy felvételnél összefüggő beszédhatároknál oszd fel az anyagot, és őrizd meg az eredeti sorrendet. A végső videó beszédidőzítése a kiválasztott hangot kövesse, ne független klipidőtartam-becslést.
A dokumentált gyártói kimeneti beállítások 720p vagy 1080p felbontást és 16:9, 9:16, 4:5, 5:4 vagy 1:1 alakot tartalmaznak, a forrás arányait követő automatikus lehetőséggel. A cover illesztés levághatja az alanyt; a contain a teljes alanyt beilleszti, és látható környező hátteret hagyhat. A hang–videó munkafolyamat alapértelmezés szerint MP4-et ad vissza. Videóavataroknál az átlátszó WebM-kimenet maszkleválasztási támogatást igényel, és ehhez a kimenethez a gyártó háttéreltávolítást alkalmaz, nem új háttérrel kombinálja. Nagyobb kompozícióba helyezés előtt ellenőrizd a tényleges kivágást és fájlt.
Oktatási bevezetés jól értelmezhető előadóképet, tömör magyarázatot és a kulcsutasításnál egy visszafogott gesztust használhat. Termékmagyarázat megtarthatja ugyanazt az avatarmegjelenést, miközben eltérő funkciókhoz változtatja a kimondott szöveget. A gyártó opcionális feliratfájlokat és beégetett feliratokat is dokumentál; megfogalmazásukat és időzítésüket a beszéd mellett ellenőrizd. A renderelés aszinkron a gyártó felületén, ezért a létrehozási válasz és a kész videó eltérő anyag. A kész felvételt és befejezési állapotát őrizd meg a feladat eredményével.
Az Avatar IV külön marad az Avatar V referenciavezérelt mozgásától és külön Studio-előbeállítási vezérlőitől. Különbözik a HeyGen Video általános célú jelenetgenerálásától és az interaktív élőavatar-beszélgetéstől is. A renderelt szájmozgást, látható kezeket, arckifejezést, szüneteket és kimondott megfogalmazást a forrásanyaggal és kívánt hangvétellel vesd össze. A kép, póz, világítás és mozgásutasítások befolyásolják az eredményt; a fotóalapú animációt generált előadásként kell ellenőrizni, a kiválasztott bemeneteket későbbi javításokhoz megőrizve.
", "aboutText": "Az Avatar IV a HeyGen avatarmotorja állókép kifejező beszélő videóvá alakításához. Hangból arckifejezést létrehozó, diffúzió ihlette kialakítása a hang tónusával, ritmusával és érzelmével irányítja az arcmozgást, fejbillentést, szüneteket és mikroarckifejezéseket. Célja beszélt tartalmat szájszinkronnal és gesztusokkal előadó műsorvezető vagy karakter, nem általános jelenetgenerátor, amely filmes promptból teljes helyszínt és hangsávot készít.\n\nA gyártó élethű és stilizált karakterek támogatását írja le, köztük ferde vagy profilképeket, anime-stílusú arcokat és háziállatokat. A fotóalapú karakterek akkor működnek a legjobban, ha szemük, szájuk és arcszerkezetük könnyen azonosítható. A HeyGen tiszta, jól megvilágított képet ajánl természetes testtartással és látható kézzel, ha a gesztus számít. Nagyon kis arc, takart ajak, erős maszk, hangsúlyos csőr vagy erősen eltúlzott arányok gyengíthetik az arcmozgást és szájszinkront. A forráskivágás illeszkedjen a kívánt előadáshoz.\n\nA gyártó két beszédbemeneti utat biztosít. Az írott szöveg kiválasztott hanggal párosul; az előre rögzített hangsáv közvetlenül adja a hangot és időzítést. A rögzített hangos utat használd, ha az előadás már kialakult, a szöveges utat pedig akkor, ha a beszédet szintetizálni kell. Ezek a bemenetek alternatívák a dokumentált felületen. Animálás előtt készítsd elő a végleges megfogalmazást, neveket és kiejtést, és a hangot vagy szöveget őrizd meg a visszaadott videóval, hogy a beszélt eredmény ellenőrizhető legyen.\n\nA HeyGen Avatar IV modellleírása stúdióavatarok, Digital Twins és Photo Avatars, közvetlen képek, valamint prompttal létrehozott alanyok használatát fedi le. Az újra használható Photo Avatar állandó alanyt biztosít későbbi videókhoz, míg a közvetlen képes munkafolyamat a megadott képből indul. A gyártó Photo Avatar leírása szabad szöveges mozgásutasításokat és high, medium vagy low kifejezőerő-választást kínál, low alapértékkel. Sorozatnál tartsd meg a kiválasztott avatarmegjelenést és motort, hogy a megváltozott forráskép vagy renderelőmodell ne váljon észrevétlen műsorvezető-váltássá.\n\nMozgásirányításhoz látható testmozdulatot és annak érzelmi minőségét írd le. A „Finoman bólint, meleg mosollyal” egy gesztust és egy kifejezést ad; rövid üdvözlés barátságos integetést használhat. A gyártó egy fő gesztust ajánl, opcionálisan arckifejezéssel párosítva, sorozathoz legfeljebb két rövid tagmondattal. Az Avatar IV az előadásból kezeli a tempót, ezért a Studio útmutatója nem igényel másodpercről másodpercre készített gesztusütemezést. A konkrét, tömör megfogalmazás könnyebben ellenőrizhető, mint egy promptban több versengő művelet.\n\nA gyártó hang–videó leírása kérésenként legfeljebb harminc perc megadott hangot renderel, és a feltöltött MP3- vagy WAV-anyagokra 32 MB korlát vonatkozik. Hosszabb leckénél vagy felvételnél összefüggő beszédhatároknál oszd fel az anyagot, és őrizd meg az eredeti sorrendet. A végső videó beszédidőzítése a kiválasztott hangot kövesse, ne független klipidőtartam-becslést.\n\nA dokumentált gyártói kimeneti beállítások 720p vagy 1080p felbontást és 16:9, 9:16, 4:5, 5:4 vagy 1:1 alakot tartalmaznak, a forrás arányait követő automatikus lehetőséggel. A cover illesztés levághatja az alanyt; a contain a teljes alanyt beilleszti, és látható környező hátteret hagyhat. A hang–videó munkafolyamat alapértelmezés szerint MP4-et ad vissza. Videóavataroknál az átlátszó WebM-kimenet maszkleválasztási támogatást igényel, és ehhez a kimenethez a gyártó háttéreltávolítást alkalmaz, nem új háttérrel kombinálja. Nagyobb kompozícióba helyezés előtt ellenőrizd a tényleges kivágást és fájlt.\n\nOktatási bevezetés jól értelmezhető előadóképet, tömör magyarázatot és a kulcsutasításnál egy visszafogott gesztust használhat. Termékmagyarázat megtarthatja ugyanazt az avatarmegjelenést, miközben eltérő funkciókhoz változtatja a kimondott szöveget. A gyártó opcionális feliratfájlokat és beégetett feliratokat is dokumentál; megfogalmazásukat és időzítésüket a beszéd mellett ellenőrizd. A renderelés aszinkron a gyártó felületén, ezért a létrehozási válasz és a kész videó eltérő anyag. A kész felvételt és befejezési állapotát őrizd meg a feladat eredményével.\n\nAz Avatar IV külön marad az Avatar V referenciavezérelt mozgásától és külön Studio-előbeállítási vezérlőitől. Különbözik a HeyGen Video általános célú jelenetgenerálásától és az interaktív élőavatar-beszélgetéstől is. A renderelt szájmozgást, látható kezeket, arckifejezést, szüneteket és kimondott megfogalmazást a forrásanyaggal és kívánt hangvétellel vesd össze. A kép, póz, világítás és mozgásutasítások befolyásolják az eredményt; a fotóalapú animációt generált előadásként kell ellenőrizni, a kiválasztott bemeneteket későbbi javításokhoz megőrizve.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2cbe17d70d562c1772902bac2154b890553b60e760b0850b1380ecdb2f6c7949", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "heygen/avatar-ivAz Avatar IV fotóból szájszinkronos beszélő videót animál, a hang által irányított arckifejezéssel és gesztusidőzítéssel. A HeyGen szöveges vagy rögzített hangos munkafolyamatokat és Photo Avatar mozgásvezérlőket dokumentál élethű vagy stilizált előadókhoz.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
Az Avatar IV a HeyGen avatarmotorja állókép kifejező beszélő videóvá alakításához. Hangból arckifejezést létrehozó, diffúzió ihlette kialakítása a hang tónusával, ritmusával és érzelmével irányítja az arcmozgást, fejbillentést, szüneteket és mikroarckifejezéseket. Célja beszélt tartalmat szájszinkronnal és gesztusokkal előadó műsorvezető vagy karakter, nem általános jelenetgenerátor, amely filmes promptból teljes helyszínt és hangsávot készít.
A gyártó élethű és stilizált karakterek támogatását írja le, köztük ferde vagy profilképeket, anime-stílusú arcokat és háziállatokat. A fotóalapú karakterek akkor működnek a legjobban, ha szemük, szájuk és arcszerkezetük könnyen azonosítható. A HeyGen tiszta, jól megvilágított képet ajánl természetes testtartással és látható kézzel, ha a gesztus számít. Nagyon kis arc, takart ajak, erős maszk, hangsúlyos csőr vagy erősen eltúlzott arányok gyengíthetik az arcmozgást és szájszinkront. A forráskivágás illeszkedjen a kívánt előadáshoz.
A gyártó két beszédbemeneti utat biztosít. Az írott szöveg kiválasztott hanggal párosul; az előre rögzített hangsáv közvetlenül adja a hangot és időzítést. A rögzített hangos utat használd, ha az előadás már kialakult, a szöveges utat pedig akkor, ha a beszédet szintetizálni kell. Ezek a bemenetek alternatívák a dokumentált felületen. Animálás előtt készítsd elő a végleges megfogalmazást, neveket és kiejtést, és a hangot vagy szöveget őrizd meg a visszaadott videóval, hogy a beszélt eredmény ellenőrizhető legyen.
A HeyGen Avatar IV modellleírása stúdióavatarok, Digital Twins és Photo Avatars, közvetlen képek, valamint prompttal létrehozott alanyok használatát fedi le. Az újra használható Photo Avatar állandó alanyt biztosít későbbi videókhoz, míg a közvetlen képes munkafolyamat a megadott képből indul. A gyártó Photo Avatar leírása szabad szöveges mozgásutasításokat és high, medium vagy low kifejezőerő-választást kínál, low alapértékkel. Sorozatnál tartsd meg a kiválasztott avatarmegjelenést és motort, hogy a megváltozott forráskép vagy renderelőmodell ne váljon észrevétlen műsorvezető-váltássá.
Mozgásirányításhoz látható testmozdulatot és annak érzelmi minőségét írd le. A „Finoman bólint, meleg mosollyal” egy gesztust és egy kifejezést ad; rövid üdvözlés barátságos integetést használhat. A gyártó egy fő gesztust ajánl, opcionálisan arckifejezéssel párosítva, sorozathoz legfeljebb két rövid tagmondattal. Az Avatar IV az előadásból kezeli a tempót, ezért a Studio útmutatója nem igényel másodpercről másodpercre készített gesztusütemezést. A konkrét, tömör megfogalmazás könnyebben ellenőrizhető, mint egy promptban több versengő művelet.
A gyártó hang–videó leírása kérésenként legfeljebb harminc perc megadott hangot renderel, és a feltöltött MP3- vagy WAV-anyagokra 32 MB korlát vonatkozik. Hosszabb leckénél vagy felvételnél összefüggő beszédhatároknál oszd fel az anyagot, és őrizd meg az eredeti sorrendet. A végső videó beszédidőzítése a kiválasztott hangot kövesse, ne független klipidőtartam-becslést.
A dokumentált gyártói kimeneti beállítások 720p vagy 1080p felbontást és 16:9, 9:16, 4:5, 5:4 vagy 1:1 alakot tartalmaznak, a forrás arányait követő automatikus lehetőséggel. A cover illesztés levághatja az alanyt; a contain a teljes alanyt beilleszti, és látható környező hátteret hagyhat. A hang–videó munkafolyamat alapértelmezés szerint MP4-et ad vissza. Videóavataroknál az átlátszó WebM-kimenet maszkleválasztási támogatást igényel, és ehhez a kimenethez a gyártó háttéreltávolítást alkalmaz, nem új háttérrel kombinálja. Nagyobb kompozícióba helyezés előtt ellenőrizd a tényleges kivágást és fájlt.
Oktatási bevezetés jól értelmezhető előadóképet, tömör magyarázatot és a kulcsutasításnál egy visszafogott gesztust használhat. Termékmagyarázat megtarthatja ugyanazt az avatarmegjelenést, miközben eltérő funkciókhoz változtatja a kimondott szöveget. A gyártó opcionális feliratfájlokat és beégetett feliratokat is dokumentál; megfogalmazásukat és időzítésüket a beszéd mellett ellenőrizd. A renderelés aszinkron a gyártó felületén, ezért a létrehozási válasz és a kész videó eltérő anyag. A kész felvételt és befejezési állapotát őrizd meg a feladat eredményével.
Az Avatar IV külön marad az Avatar V referenciavezérelt mozgásától és külön Studio-előbeállítási vezérlőitől. Különbözik a HeyGen Video általános célú jelenetgenerálásától és az interaktív élőavatar-beszélgetéstől is. A renderelt szájmozgást, látható kezeket, arckifejezést, szüneteket és kimondott megfogalmazást a forrásanyaggal és kívánt hangvétellel vesd össze. A kép, póz, világítás és mozgásutasítások befolyásolják az eredményt; a fotóalapú animációt generált előadásként kell ellenőrizni, a kiválasztott bemeneteket későbbi javításokhoz megőrizve.
POST /v1/videostext, image, audio, videovideo| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok heygen/avatar-iv | Alapértelmezett— |
Mezőinput_references | Típusarray | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 2 Maximális elemszám: 2 | Alapértelmezett— |
Mezőprompt | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, input_references |
Paramétermaterial_types | Szerződéstext, image, audio, video |
Paramétermaterial_conditions | SzerződésHasználja a tényleges, elkészült, Önhöz tartozó médiaállományok tartalomcímeit a visszaadott aláírásukkal: a BFL esetén egy videóforrást, az avatar esetén egy kép- és egy hangforrást. A Source tulajdonosi, típus- és bájtigazolása kötelező., Pontosan egy PNG/JPEG képet és egy WAV/MP3 hangállományt adjon meg. A hang legfeljebb 32000000 bájt lehet, időtartama pedig nagyobb legyen 0-nál és legfeljebb 1800 másodperc. |
Életciklus: asynchronous_job_then_owned_outputs
GET /v1/videos/{request_id} · a ténylegesen visszaadott id vagy polling_url
GET /v1/videos/{request_id}/content
A megjelenített díjtételek a generálás előtti költségbecsléshez szolgálnak. A végleges díj az eredeti generáláshoz rögzített költségből számítódik. A kimenet mért időtartama és az előre jelzett mennyiségek nem azonosak a véglegesen elszámolandó mennyiséggel.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Előre jelzett mennyiség | Elszámolási egység | Elszámolási feltételek | Díj |
|---|---|---|---|---|---|
| BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Előre jelzett mennyiség— | Elszámolási egység— | Elszámolási feltételek— | Díj Bemenet · Bemeneti tokenek · Becslés, csak összehasonlításra — / 1K token Kimenet · Kimeneti tokenek · Becslés, csak összehasonlításra — / 1K token Bemenet · Gyorsítótár olvasása · Becslés, csak összehasonlításra — / 1K token Bemenet · Írás a gyorsítótárba · Becslés, csak összehasonlításra — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra · Becslés, csak összehasonlításra — / 1K token |
| BeállításVideó ára | Díjtáblázat— | Előre jelzett mennyiség— | Elszámolási egységvideómásodpercenként | Elszámolási feltételekEbben az árképzési kulcsban nincs további feltétel megadva. | Díj Kimenet · Videó ára · Becslés, csak összehasonlításra $0.1 videómásodpercenként |
| BeállításA generálás becsült költsége | Díjtáblázat— | Előre jelzett mennyiségbecslés egy generálásra | Elszámolási egység— | Elszámolási feltételek— | Díj Kimenet · Becsült generálási költség · Becslés, csak összehasonlításra $0.1 becslés a generálás előtt Ez a becslés nem jelent további díjat, és nem rögzített díjszabás az elkészült generálásra. |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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\nMentsen minden elkészült videót és visszaadott fájlt; töltse le az összes ténylegesen visszaadott médiafájl URL-jének tartalmát.
Őrizze meg a teljes választ és a fejléceket, minden tényleges kimenetet, az eredetileg visszaadott azonosítókat és az összes használati adatmezőt. Az eredeti műveletet állítsa helyre, a létrehozási kérés újbóli beküldése nélkül.
Őrizze meg az X-Client-Request-ID és X-Ailoot-Task-Id fejléceket, valamint a ténylegesen visszaadott id/polling_url értékeket. Folytassa az eredeti feladatot; ne küldje be újra a létrehozási kérést.
| Mező | Típus |
|---|---|
Mezőid | Típus |
Mezőstatus | Típus |
Meződata[] | Típus |
Mezőoutputs[] | Típus |
Ailoot Ultra heygen/avatar-iv
Használja a fent látható metódusútvonalakat.