Avatar IV è il motore di avatar di HeyGen che trasforma un’immagine fissa in un video parlato espressivo. Il suo sistema che ricava le espressioni dall’audio, ispirato alla diffusione, usa tono vocale, ritmo ed emozione per guidare movimenti del volto, inclinazioni della testa, pause e microespressioni. Lo scopo è un presentatore o personaggio che pronuncia contenuti con sincronizzazione labiale e gesti, invece di un generatore generalista di scene che crea un’intera ambientazione e colonna sonora da un prompt cinematografico.
Il produttore descrive il supporto di personaggi realistici e stilizzati, comprese immagini angolate o di profilo, volti in stile anime e animali domestici. I personaggi basati su foto funzionano meglio quando occhi, bocca e struttura del volto sono facili da identificare. HeyGen consiglia un’immagine chiara e ben illuminata, con postura naturale e mani visibili quando i gesti sono importanti. Un volto molto piccolo, labbra nascoste, maschere coprenti, un becco pronunciato o proporzioni molto esagerate possono indebolire movimento facciale e sincronizzazione labiale. Mantieni l’inquadratura sorgente adatta all’interpretazione prevista.
Il produttore offre due percorsi di ingresso per il parlato. Uno script scritto viene abbinato a una voce selezionata; una traccia audio preregistrata fornisce direttamente voce e tempi. Usa il percorso da audio registrato quando l’interpretazione è già definita e quello da script quando il parlato deve essere sintetizzato. Questi input sono alternativi nell’interfaccia documentata. Prepara formulazione finale, nomi e pronuncia prima dell’animazione e conserva audio o script insieme al video restituito, così il risultato parlato può essere verificato.
Il profilo del modello Avatar IV di HeyGen copre avatar da studio, Digital Twins, Photo Avatars, immagini dirette e soggetti creati da prompt. Un Photo Avatar riutilizzabile fornisce un soggetto stabile per video successivi, mentre un flusso da immagine diretta parte dalla fotografia fornita. Il profilo Photo Avatar del produttore offre istruzioni di movimento in testo libero e livelli di espressività high, medium o low, con low come valore predefinito. Mantieni aspetto dell’avatar e motore scelti quando crei una serie, così un’immagine sorgente o un modello di rendering cambiati non diventano un cambiamento inosservato del presentatore.
Per dirigere il movimento, descrivi un’azione corporea visibile e la sua qualità emotiva. «Annuisce delicatamente con un sorriso caloroso» fornisce un gesto e un’espressione; un breve saluto può usare un cenno amichevole della mano. Il produttore consiglia un gesto principale, eventualmente abbinato a un’espressione del volto, e non più di due brevi proposizioni per una sequenza. Avatar IV gestisce il ritmo dall’interpretazione, quindi la guida Studio non richiede un programma dei gesti secondo per secondo. Una formulazione specifica e concisa è più facile da controllare di più azioni concorrenti in un unico prompt.
Il profilo da audio a video del produttore renderizza fino a trenta minuti di audio fornito per richiesta, e le risorse MP3 o WAV caricate hanno un limite di 32 MB. Per una lezione o registrazione più lunga, dividi il materiale in corrispondenza di confini coerenti del parlato e conserva l’ordine originale. I tempi del parlato del video finale devono seguire l’audio selezionato invece di una stima scollegata della durata del clip.
Le impostazioni documentate di output del produttore comprendono 720p o 1080p e formati 16:9, 9:16, 4:5, 5:4 o 1:1, con un’opzione automatica che segue le proporzioni della sorgente. L’adattamento cover può ritagliare il soggetto; contain fa entrare l’intero soggetto e può lasciare visibile lo sfondo circostante. Il flusso da audio a video restituisce MP4 per impostazione predefinita. Per gli avatar video, l’output WebM trasparente richiede il supporto dello scontorno, e il produttore applica la rimozione dello sfondo per quell’output invece di combinarlo con un nuovo sfondo. Controlla inquadratura effettiva e file prima di inserire il presentatore in una composizione più grande.
Un’introduzione formativa può usare un’immagine leggibile del presentatore, una spiegazione concisa e un gesto contenuto in corrispondenza dell’istruzione essenziale. Una spiegazione di prodotto può mantenere lo stesso aspetto dell’avatar cambiando lo script parlato per funzionalità diverse. Il produttore documenta anche file facoltativi di sottotitoli e sottotitoli sovraimpressi; controllane testo e tempi insieme al parlato. Il rendering è asincrono nell’interfaccia del produttore, quindi una risposta di creazione e il video completato sono risultati differenti. Conserva la registrazione finita e il suo stato di completamento insieme al risultato dell’attività.
Avatar IV resta distinto dal movimento guidato da riferimenti di Avatar V e dai suoi controlli separati di preset Studio. È inoltre distinto dalla generazione generalista di scene di HeyGen Video e da una conversazione con avatar interattivo in diretta. Controlla movimento della bocca renderizzato, mani visibili, espressioni del volto, pause e parole pronunciate rispetto al materiale sorgente e al tono desiderato. Immagine, posa, illuminazione e istruzioni di movimento influenzano il risultato; un’animazione basata su foto va controllata come un’interpretazione generata, conservando gli input scelti per revisioni successive.
", "aboutText": "Avatar IV è il motore di avatar di HeyGen che trasforma un’immagine fissa in un video parlato espressivo. Il suo sistema che ricava le espressioni dall’audio, ispirato alla diffusione, usa tono vocale, ritmo ed emozione per guidare movimenti del volto, inclinazioni della testa, pause e microespressioni. Lo scopo è un presentatore o personaggio che pronuncia contenuti con sincronizzazione labiale e gesti, invece di un generatore generalista di scene che crea un’intera ambientazione e colonna sonora da un prompt cinematografico.\n\nIl produttore descrive il supporto di personaggi realistici e stilizzati, comprese immagini angolate o di profilo, volti in stile anime e animali domestici. I personaggi basati su foto funzionano meglio quando occhi, bocca e struttura del volto sono facili da identificare. HeyGen consiglia un’immagine chiara e ben illuminata, con postura naturale e mani visibili quando i gesti sono importanti. Un volto molto piccolo, labbra nascoste, maschere coprenti, un becco pronunciato o proporzioni molto esagerate possono indebolire movimento facciale e sincronizzazione labiale. Mantieni l’inquadratura sorgente adatta all’interpretazione prevista.\n\nIl produttore offre due percorsi di ingresso per il parlato. Uno script scritto viene abbinato a una voce selezionata; una traccia audio preregistrata fornisce direttamente voce e tempi. Usa il percorso da audio registrato quando l’interpretazione è già definita e quello da script quando il parlato deve essere sintetizzato. Questi input sono alternativi nell’interfaccia documentata. Prepara formulazione finale, nomi e pronuncia prima dell’animazione e conserva audio o script insieme al video restituito, così il risultato parlato può essere verificato.\n\nIl profilo del modello Avatar IV di HeyGen copre avatar da studio, Digital Twins, Photo Avatars, immagini dirette e soggetti creati da prompt. Un Photo Avatar riutilizzabile fornisce un soggetto stabile per video successivi, mentre un flusso da immagine diretta parte dalla fotografia fornita. Il profilo Photo Avatar del produttore offre istruzioni di movimento in testo libero e livelli di espressività high, medium o low, con low come valore predefinito. Mantieni aspetto dell’avatar e motore scelti quando crei una serie, così un’immagine sorgente o un modello di rendering cambiati non diventano un cambiamento inosservato del presentatore.\n\nPer dirigere il movimento, descrivi un’azione corporea visibile e la sua qualità emotiva. «Annuisce delicatamente con un sorriso caloroso» fornisce un gesto e un’espressione; un breve saluto può usare un cenno amichevole della mano. Il produttore consiglia un gesto principale, eventualmente abbinato a un’espressione del volto, e non più di due brevi proposizioni per una sequenza. Avatar IV gestisce il ritmo dall’interpretazione, quindi la guida Studio non richiede un programma dei gesti secondo per secondo. Una formulazione specifica e concisa è più facile da controllare di più azioni concorrenti in un unico prompt.\n\nIl profilo da audio a video del produttore renderizza fino a trenta minuti di audio fornito per richiesta, e le risorse MP3 o WAV caricate hanno un limite di 32 MB. Per una lezione o registrazione più lunga, dividi il materiale in corrispondenza di confini coerenti del parlato e conserva l’ordine originale. I tempi del parlato del video finale devono seguire l’audio selezionato invece di una stima scollegata della durata del clip.\n\nLe impostazioni documentate di output del produttore comprendono 720p o 1080p e formati 16:9, 9:16, 4:5, 5:4 o 1:1, con un’opzione automatica che segue le proporzioni della sorgente. L’adattamento cover può ritagliare il soggetto; contain fa entrare l’intero soggetto e può lasciare visibile lo sfondo circostante. Il flusso da audio a video restituisce MP4 per impostazione predefinita. Per gli avatar video, l’output WebM trasparente richiede il supporto dello scontorno, e il produttore applica la rimozione dello sfondo per quell’output invece di combinarlo con un nuovo sfondo. Controlla inquadratura effettiva e file prima di inserire il presentatore in una composizione più grande.\n\nUn’introduzione formativa può usare un’immagine leggibile del presentatore, una spiegazione concisa e un gesto contenuto in corrispondenza dell’istruzione essenziale. Una spiegazione di prodotto può mantenere lo stesso aspetto dell’avatar cambiando lo script parlato per funzionalità diverse. Il produttore documenta anche file facoltativi di sottotitoli e sottotitoli sovraimpressi; controllane testo e tempi insieme al parlato. Il rendering è asincrono nell’interfaccia del produttore, quindi una risposta di creazione e il video completato sono risultati differenti. Conserva la registrazione finita e il suo stato di completamento insieme al risultato dell’attività.\n\nAvatar IV resta distinto dal movimento guidato da riferimenti di Avatar V e dai suoi controlli separati di preset Studio. È inoltre distinto dalla generazione generalista di scene di HeyGen Video e da una conversazione con avatar interattivo in diretta. Controlla movimento della bocca renderizzato, mani visibili, espressioni del volto, pause e parole pronunciate rispetto al materiale sorgente e al tono desiderato. Immagine, posa, illuminazione e istruzioni di movimento influenzano il risultato; un’animazione basata su foto va controllata come un’interpretazione generata, conservando gli input scelti per revisioni successive.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e1261f6a1e0f91116b1219531082f269444c4050583cb26fa3c7c6f52d7f17f4", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "heygen/avatar-ivAvatar IV anima una foto in un video parlato con sincronizzazione labiale, espressioni del volto e tempi dei gesti guidati dalla voce. HeyGen documenta flussi da script o audio registrato e controlli di movimento Photo Avatar per presentatori realistici o stilizzati.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Avatar IV è il motore di avatar di HeyGen che trasforma un’immagine fissa in un video parlato espressivo. Il suo sistema che ricava le espressioni dall’audio, ispirato alla diffusione, usa tono vocale, ritmo ed emozione per guidare movimenti del volto, inclinazioni della testa, pause e microespressioni. Lo scopo è un presentatore o personaggio che pronuncia contenuti con sincronizzazione labiale e gesti, invece di un generatore generalista di scene che crea un’intera ambientazione e colonna sonora da un prompt cinematografico.
Il produttore descrive il supporto di personaggi realistici e stilizzati, comprese immagini angolate o di profilo, volti in stile anime e animali domestici. I personaggi basati su foto funzionano meglio quando occhi, bocca e struttura del volto sono facili da identificare. HeyGen consiglia un’immagine chiara e ben illuminata, con postura naturale e mani visibili quando i gesti sono importanti. Un volto molto piccolo, labbra nascoste, maschere coprenti, un becco pronunciato o proporzioni molto esagerate possono indebolire movimento facciale e sincronizzazione labiale. Mantieni l’inquadratura sorgente adatta all’interpretazione prevista.
Il produttore offre due percorsi di ingresso per il parlato. Uno script scritto viene abbinato a una voce selezionata; una traccia audio preregistrata fornisce direttamente voce e tempi. Usa il percorso da audio registrato quando l’interpretazione è già definita e quello da script quando il parlato deve essere sintetizzato. Questi input sono alternativi nell’interfaccia documentata. Prepara formulazione finale, nomi e pronuncia prima dell’animazione e conserva audio o script insieme al video restituito, così il risultato parlato può essere verificato.
Il profilo del modello Avatar IV di HeyGen copre avatar da studio, Digital Twins, Photo Avatars, immagini dirette e soggetti creati da prompt. Un Photo Avatar riutilizzabile fornisce un soggetto stabile per video successivi, mentre un flusso da immagine diretta parte dalla fotografia fornita. Il profilo Photo Avatar del produttore offre istruzioni di movimento in testo libero e livelli di espressività high, medium o low, con low come valore predefinito. Mantieni aspetto dell’avatar e motore scelti quando crei una serie, così un’immagine sorgente o un modello di rendering cambiati non diventano un cambiamento inosservato del presentatore.
Per dirigere il movimento, descrivi un’azione corporea visibile e la sua qualità emotiva. «Annuisce delicatamente con un sorriso caloroso» fornisce un gesto e un’espressione; un breve saluto può usare un cenno amichevole della mano. Il produttore consiglia un gesto principale, eventualmente abbinato a un’espressione del volto, e non più di due brevi proposizioni per una sequenza. Avatar IV gestisce il ritmo dall’interpretazione, quindi la guida Studio non richiede un programma dei gesti secondo per secondo. Una formulazione specifica e concisa è più facile da controllare di più azioni concorrenti in un unico prompt.
Il profilo da audio a video del produttore renderizza fino a trenta minuti di audio fornito per richiesta, e le risorse MP3 o WAV caricate hanno un limite di 32 MB. Per una lezione o registrazione più lunga, dividi il materiale in corrispondenza di confini coerenti del parlato e conserva l’ordine originale. I tempi del parlato del video finale devono seguire l’audio selezionato invece di una stima scollegata della durata del clip.
Le impostazioni documentate di output del produttore comprendono 720p o 1080p e formati 16:9, 9:16, 4:5, 5:4 o 1:1, con un’opzione automatica che segue le proporzioni della sorgente. L’adattamento cover può ritagliare il soggetto; contain fa entrare l’intero soggetto e può lasciare visibile lo sfondo circostante. Il flusso da audio a video restituisce MP4 per impostazione predefinita. Per gli avatar video, l’output WebM trasparente richiede il supporto dello scontorno, e il produttore applica la rimozione dello sfondo per quell’output invece di combinarlo con un nuovo sfondo. Controlla inquadratura effettiva e file prima di inserire il presentatore in una composizione più grande.
Un’introduzione formativa può usare un’immagine leggibile del presentatore, una spiegazione concisa e un gesto contenuto in corrispondenza dell’istruzione essenziale. Una spiegazione di prodotto può mantenere lo stesso aspetto dell’avatar cambiando lo script parlato per funzionalità diverse. Il produttore documenta anche file facoltativi di sottotitoli e sottotitoli sovraimpressi; controllane testo e tempi insieme al parlato. Il rendering è asincrono nell’interfaccia del produttore, quindi una risposta di creazione e il video completato sono risultati differenti. Conserva la registrazione finita e il suo stato di completamento insieme al risultato dell’attività.
Avatar IV resta distinto dal movimento guidato da riferimenti di Avatar V e dai suoi controlli separati di preset Studio. È inoltre distinto dalla generazione generalista di scene di HeyGen Video e da una conversazione con avatar interattivo in diretta. Controlla movimento della bocca renderizzato, mani visibili, espressioni del volto, pause e parole pronunciate rispetto al materiale sorgente e al tono desiderato. Immagine, posa, illuminazione e istruzioni di movimento influenzano il risultato; un’animazione basata su foto va controllata come un’interpretazione generata, conservando gli input scelti per revisioni successive.
POST /v1/videostext, image, audio, videovideo| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti heygen/avatar-iv | Predefinito— |
Campoinput_references | Tipoarray | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 2 Numero massimo di elementi: 2 | Predefinito— |
Campoprompt | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, input_references |
Parametromaterial_types | Contrattotext, image, audio, video |
Parametromaterial_conditions | ContrattoUsa URL reali dei contenuti di risorse multimediali completate di tua proprietà con le firme restituite: una sorgente video per BFL oppure una sorgente immagine e una sorgente audio per avatar. È richiesta la prova di proprietario, tipo e byte prevista dal codice sorgente., Fornisci esattamente un'immagine PNG/JPEG e una risorsa audio WAV/MP3. L'audio non deve superare 32000000 byte, con durata maggiore di 0 e non superiore a 1800 secondi. |
Ciclo di vita: asynchronous_job_then_owned_outputs
GET /v1/videos/{request_id} · id o polling_url effettivamente restituito
GET /v1/videos/{request_id}/content
Le tariffe visualizzate stimano il costo prima della generazione. L'addebito finale viene calcolato in base al costo registrato per la generazione originale. La durata misurata dell'output e le quantità previste non costituiscono la quantità finale fatturabile.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Quantità prevista | Unità di fatturazione | Condizioni di fatturazione | Costo |
|---|---|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Quantità prevista— | Unità di fatturazione— | Condizioni di fatturazione— | Costo Input · Token in input · Stima solo a fini di confronto — / 1K token Output · Token in output · Stima solo a fini di confronto — / 1K token Input · Lettura dalla cache · Stima solo a fini di confronto — / 1K token Input · Scrittura nella cache · Stima solo a fini di confronto — / 1K token Input · Scrittura nella cache, 1 ora · Stima solo a fini di confronto — / 1K token |
| ConfigurazionePrezzo del video | Listino delle tariffe— | Quantità prevista— | Unità di fatturazioneper secondo di video | Condizioni di fatturazioneIn questa chiave tariffaria non è dichiarata alcuna condizione aggiuntiva. | Costo Output · Prezzo del video · Stima solo a fini di confronto $0.1 per secondo di video |
| ConfigurazioneCosto stimato della generazione | Listino delle tariffe— | Quantità previstastima per una generazione | Unità di fatturazione— | Condizioni di fatturazione— | Costo Output · Costo di generazione stimato · Stima solo a fini di confronto $0.1 stima prima della generazione Questa stima non è un addebito aggiuntivo né una tariffa fissa per la generazione completata. |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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\nSalva ogni video completato o file restituito; recupera ogni URL di risorsa effettivamente restituito.
Conserva la risposta completa e gli header, ogni output effettivo, gli identificatori originali restituiti e tutti i campi di utilizzo. Recupera l'operazione originale senza inviare nuovamente la richiesta di creazione.
Conserva X-Client-Request-ID, X-Ailoot-Task-Id e id/polling_url effettivamente restituiti. Prosegui con l'attività originale; non inviare nuovamente la richiesta di creazione.
| Campo | Tipo |
|---|---|
Campoid | Tipo |
Campostatus | Tipo |
Campodata[] | Tipo |
Campooutputs[] | Tipo |
Ailoot Ultra heygen/avatar-iv
Usa i percorsi dei metodi indicati sopra.