HeyGen: HeyGen Video

HeyGen Video adalah model generasi adegan serbaguna HeyGen, yang diidentifikasi produsen sebagai heygen-video-1. Model ini menciptakan subjek, latar, cahaya, dan bunyi bersama dari arahan kreatif. Setiap klip berdurasi 5–15 detik dan berisi trek audio hasil generasinya, termasuk dialog, suasana, serta efek. Masukan produksi yang berguna mencakup deskripsi adegan, foto produk, atau materi yang menentukan orang, tempat, maupun gerakan. Aset hasilnya berupa adegan singkat untuk presentasi produk, sisipan pengenalan, tampilan properti, atau pekerjaan video suntingan lainnya.

Tiga mode memberikan peran berbeda pada masukan. Teks ke video menciptakan adegan dari prompt. Gambar ke video secara harfiah dimulai pada gambar yang diberikan, lalu mengikuti arahan tindakan. Referensi ke video menggunakan gambar, video, dan audio opsional yang diberikan untuk memandu adegan dengan komposisi baru; mode ini memerlukan paling sedikit satu gambar atau video referensi. Pilih gambar bingkai pertama ketika komposisi pembuka harus cocok dengan gambar diam, atau referensi ketika objek yang dikenal perlu muncul dalam komposisi berbeda. Model adegan ini berbeda dari mesin render avatar HeyGen dan alur kerja komposisi Video Agent.

Panduan pembuatnya mengutamakan arahan shot yang terperinci dan konkret: satu subjek, satu lokasi, dan satu tindakan terbatas, dengan kamera terkunci atau bergerak lembut. Jelaskan posisi kamera, lensa atau maksud kedalaman bidang, cahaya, tekstur permukaan, dan perlakuan warna. Jelaskan tempat objek bersentuhan ketika tindakan bergantung pada kontak. Untuk contoh produk orisinal, gunakan foto referensi termos perjalanan dan minta agar termos berdiri di konter kayu sementara presenter berbicara di sampingnya, dengan gerak kamera kecil menuju termos. Periksa bentuk, penempatan, dan penandaan termos yang terlihat pada hasil.

Daftar referensi mendukung hingga sembilan gambar, tiga video, dan tiga item audio, dengan maksimum dua belas referensi secara keseluruhan. Gambar, video, dan audio diberi nomor terpisah dalam format prompt produsen: gambar pertama adalah <Picture 1>, dan video pertama <Video 1>. Berikan peran pada setiap referensi dan identifikasi peran itu secara eksplisit dalam arahan. Model membaca lima detik pertama setiap video referensi, jadi siapkan bagian relevan di awal. Referensi API juga menetapkan proporsi video referensi antara 1:4 dan 4:1. Klip panjang yang gerakan tujuannya hanya berada di akhir merupakan persiapan yang kurang sesuai untuk jendela masukan lima detik tersebut.

Antarmuka referensi yang didokumentasikan menerima sumber HTTPS yang dapat diakses langsung, pengenal aset yang diunggah, atau base64 sebaris. Panduan mencantumkan ukuran gambar maksimum 16 MB melalui URL dan 5 MB sebaris; video atau audio boleh hingga 32 MB melalui URL dan 16 MB sebaris. Siapkan materi sumber yang jelas, dengan subjek penting mudah dibedakan dan tanpa instruksi yang bersaing dalam referensi berbeda. Pertahankan orientasi yang dimaksud pada gambar bingkai pertama. Detail masukan ini berkaitan dengan alur kerja referensi pembuatnya dan membantu menyusun materi kreatif sesuai mode pilihan.

Arahkan bunyi dalam arahan yang sama dengan gambar. Nyatakan dialog, penyampaian vokal, bunyi ruangan, dan efek khusus, termasuk apakah bunyi harus dekat atau jauh. Tentukan perlakuan musik yang dimaksud ketika adegan hanya perlu berisi ucapan serta suasana. Panduan menyarankan sekitar 2,5 kata lisan per detik sebagai perkiraan perencanaan, jadi sisakan ruang untuk jeda dan tindakan visual. Pengantar singkat dapat direncanakan sebagai satu kalimat disusul momen yang mengungkap produk. Dengarkan kata-kata sebenarnya dan apakah bunyi yang dihasilkan sesuai ruang serta tindakan.

Durasi keluaran dipilih dalam detik bulat dari lima hingga lima belas, dengan bawaan lima detik. Resolusi adalah kelas ukuran: 480p, 768p, 1080p, atau 2k. Pilihan pembingkaian yang didokumentasikan adalah 21:9, 16:9, 4:3, 1:1, 3:4, dan 9:16. Untuk teks ke video dan referensi ke video pada 1080p atau 2k, pilih 16:9 atau 9:16; pembingkaian referensi adaptif didokumentasikan pada 480p serta 768p. Gambar ke video mengikuti proporsi gambar pertama, jadi pangkas sebelum generasi ketika bentuk yang dibutuhkan berubah. Tinjau dimensi sebenarnya dari hasil lengkap, alih-alih berasumsi label kelas ukuran berarti satu pasangan piksel konvensional.

Panduan model menetapkan video MP4 dengan pengodean gambar H.264 dan audio AAC pada 32 kHz stereo. Generasi diproses secara asinkron, dan tugas lengkap menyediakan lokasi video yang dapat diputar, durasi, serta dimensi. Lokasi video bertanda tangannya dapat diperbarui dengan mengambil tugas lagi. Simpan klip sebenarnya, materi referensi, dan arahan untuk peninjauan penyuntingan. Catatan menunggu atau pemrosesan melacak generasi; video lengkap merupakan artefak produksi yang dinilai untuk gambar, ucapan, dan bunyi.

Produsen mendokumentasikan pilihan peningkatan prompt turbo, quality, dan disabled; disabled mempertahankan susunan kata yang disiapkan sebagaimana ditulis. Seed tetap berguna ketika membandingkan perubahan satu klausa sambil mempertahankan masukan lainnya. Catat seed serta pengaturan pilihan bersama arahan shot. Untuk tulisan di layar, jaga frasa yang dimaksud tetap singkat dan eja secara tepat; panduan menyarankan compositing paragraf, tulisan kecil, serta diagram berlabel setelahnya. Periksa setiap karakter yang terlihat dalam judul hasil generasi, alih-alih berasumsi susunan katanya direproduksi benar.

Panduan mengidentifikasi teks panjang di layar, gerakan organik lembut seperti kelopak, kertas, atau rambut, dan manipulasi tangan jarak dekat sebagai area yang kurang andal. Untuk penjelasan prosedural, biarkan kalimat yang ditulis jelas menyampaikan langkah-langkah sementara gambar menampilkan orang atau objek yang stabil; gunakan visual yang diverifikasi secara terpisah ketika operasi fisik itu sendiri harus tepat. Tinjau seluruh shot untuk kesinambungan objek, kontak, detail wajah dan tangan, dialog, serta bunyi. Daftar ringkas mengenai hal yang perlu berubah pada rekaman berikutnya menjaga arahan produksi terperinci tetap praktis.