Avatar IVは、静止画像を表情豊かなトーキング動画に変えるHeyGenのアバターエンジンです。拡散モデルに着想を得た音声から表情への設計により、声の調子、リズム、感情が、顔の動き、首の傾き、間、微表情を導きます。目的は、リップシンクとジェスチャーを伴って発話内容を伝えるプレゼンターやキャラクターであり、映画的なプロンプトから場所や音声トラック全体を作る汎用シーン生成器とは異なります。
メーカーは、角度付きや横顔の画像、アニメ調の顔、ペットなど、写実的・スタイライズされたキャラクターへの対応を説明しています。写真ベースのキャラクターは、目、口、顔の構造が識別しやすいと効果的です。HeyGenは、明瞭で照明が良く、姿勢が自然な画像を勧め、ジェスチャーが重要な場合は手も見せるよう求めています。顔が極端に小さい、唇が隠れる、重いマスク、目立つくちばし、強く誇張した比率などは、顔の動きやリップシンクを弱める場合があります。意図した演技に合う元画像の構図を保ちます。
メーカーは二つの発話入力経路を提供します。文章の台本には選んだ音声を組み合わせ、事前録音の音声トラックは声とタイミングを直接与えます。話し方がすでに決まっているなら録音音声、発話を合成する必要があるなら台本を使います。文書化された画面では、これらは代替の入力です。動画化の前に最終文面、名前、発音を整え、返された動画とともに音声や台本を残して、話された内容を確認できるようにします。
HeyGenのAvatar IVプロファイルは、スタジオアバター、Digital Twins、Photo Avatars、直接入力する画像、プロンプト作成の被写体を対象とします。再利用できるPhoto Avatarは後の動画でも安定した被写体を提供し、直接画像のフローは入力画像から始まります。メーカーのPhoto Avatarプロファイルには、自由文の動作指示とhigh、medium、lowの表現力の選択肢があり、既定値はlowです。シリーズでは選んだ外観とエンジンを維持し、元画像や描画モデルの変更が気づかないプレゼンター変更にならないようにします。
動作の指示では、目に見える身体動作とその感情的な質を記述します。「温かい笑顔で穏やかにうなずく」なら、一つのジェスチャーと一つの表情です。短いあいさつには親しみのある手振りを使えます。メーカーは、主なジェスチャーを一つにし、必要なら表情を合わせ、連続動作でも短い節を二つ以内にするよう勧めています。Avatar IVは演技からペースを扱うため、Studioガイドは秒単位のジェスチャー予定を要求しません。具体的で簡潔な文面は、一つのプロンプトに競合する動作を多数入れるより確認しやすくなります。
メーカーの音声から動画のプロファイルは、一件のリクエストで最大30分の入力音声を描画し、アップロードするMP3・WAV素材は32 MBが上限です。長い講義や録音では、意味のまとまった発話の境界で分割し、元の順序を保ちます。完成動画の発話タイミングは、無関係なクリップ時間の見積もりではなく、選択音声に従う必要があります。
文書化された出力設定には720p、1080pと、16:9、9:16、4:5、5:4、1:1があり、元の比率に従う自動オプションもあります。coverは被写体を切り取る場合があり、containは全体を収め、周囲の背景が見える場合があります。音声から動画のフローは既定でMP4を返します。動画アバターの透明WebM出力にはマッティング対応が必要で、メーカーは新しい背景と組み合わせるのでなく、背景除去を適用します。大きな構成へ配置する前に、実際の構図とファイルを確認します。
研修の導入なら、見やすいプレゼンター画像、簡潔な説明、重要な指示で一つの控えめなジェスチャーを使えます。商品説明なら、同じアバターの外観を保ち、機能ごとに台本を変えられます。メーカーは任意の字幕ファイルと焼き付け字幕も文書化しており、発話とともに文面とタイミングを確認します。メーカーの描画は非同期なので、作成応答と完成動画は別の成果物です。完成録画と完了状態をタスク結果とともに保持します。
Avatar IVは、参照に基づく動きと別のStudioプリセット制御を持つAvatar Vとは異なります。HeyGen Videoの汎用シーン生成や、インタラクティブなライブアバター会話とも別です。描画された口の動き、見える手、表情、間、発話内容を、元素材と意図した調子に照らして確認します。画像、姿勢、照明、動作指示が結果に影響します。写真からのアニメーションは生成された演技として確認し、選んだ入力を後の修正用に保存します。
", "aboutText": "Avatar IVは、静止画像を表情豊かなトーキング動画に変えるHeyGenのアバターエンジンです。拡散モデルに着想を得た音声から表情への設計により、声の調子、リズム、感情が、顔の動き、首の傾き、間、微表情を導きます。目的は、リップシンクとジェスチャーを伴って発話内容を伝えるプレゼンターやキャラクターであり、映画的なプロンプトから場所や音声トラック全体を作る汎用シーン生成器とは異なります。\n\nメーカーは、角度付きや横顔の画像、アニメ調の顔、ペットなど、写実的・スタイライズされたキャラクターへの対応を説明しています。写真ベースのキャラクターは、目、口、顔の構造が識別しやすいと効果的です。HeyGenは、明瞭で照明が良く、姿勢が自然な画像を勧め、ジェスチャーが重要な場合は手も見せるよう求めています。顔が極端に小さい、唇が隠れる、重いマスク、目立つくちばし、強く誇張した比率などは、顔の動きやリップシンクを弱める場合があります。意図した演技に合う元画像の構図を保ちます。\n\nメーカーは二つの発話入力経路を提供します。文章の台本には選んだ音声を組み合わせ、事前録音の音声トラックは声とタイミングを直接与えます。話し方がすでに決まっているなら録音音声、発話を合成する必要があるなら台本を使います。文書化された画面では、これらは代替の入力です。動画化の前に最終文面、名前、発音を整え、返された動画とともに音声や台本を残して、話された内容を確認できるようにします。\n\nHeyGenのAvatar IVプロファイルは、スタジオアバター、Digital Twins、Photo Avatars、直接入力する画像、プロンプト作成の被写体を対象とします。再利用できるPhoto Avatarは後の動画でも安定した被写体を提供し、直接画像のフローは入力画像から始まります。メーカーのPhoto Avatarプロファイルには、自由文の動作指示とhigh、medium、lowの表現力の選択肢があり、既定値はlowです。シリーズでは選んだ外観とエンジンを維持し、元画像や描画モデルの変更が気づかないプレゼンター変更にならないようにします。\n\n動作の指示では、目に見える身体動作とその感情的な質を記述します。「温かい笑顔で穏やかにうなずく」なら、一つのジェスチャーと一つの表情です。短いあいさつには親しみのある手振りを使えます。メーカーは、主なジェスチャーを一つにし、必要なら表情を合わせ、連続動作でも短い節を二つ以内にするよう勧めています。Avatar IVは演技からペースを扱うため、Studioガイドは秒単位のジェスチャー予定を要求しません。具体的で簡潔な文面は、一つのプロンプトに競合する動作を多数入れるより確認しやすくなります。\n\nメーカーの音声から動画のプロファイルは、一件のリクエストで最大30分の入力音声を描画し、アップロードするMP3・WAV素材は32 MBが上限です。長い講義や録音では、意味のまとまった発話の境界で分割し、元の順序を保ちます。完成動画の発話タイミングは、無関係なクリップ時間の見積もりではなく、選択音声に従う必要があります。\n\n文書化された出力設定には720p、1080pと、16:9、9:16、4:5、5:4、1:1があり、元の比率に従う自動オプションもあります。coverは被写体を切り取る場合があり、containは全体を収め、周囲の背景が見える場合があります。音声から動画のフローは既定でMP4を返します。動画アバターの透明WebM出力にはマッティング対応が必要で、メーカーは新しい背景と組み合わせるのでなく、背景除去を適用します。大きな構成へ配置する前に、実際の構図とファイルを確認します。\n\n研修の導入なら、見やすいプレゼンター画像、簡潔な説明、重要な指示で一つの控えめなジェスチャーを使えます。商品説明なら、同じアバターの外観を保ち、機能ごとに台本を変えられます。メーカーは任意の字幕ファイルと焼き付け字幕も文書化しており、発話とともに文面とタイミングを確認します。メーカーの描画は非同期なので、作成応答と完成動画は別の成果物です。完成録画と完了状態をタスク結果とともに保持します。\n\nAvatar IVは、参照に基づく動きと別のStudioプリセット制御を持つAvatar Vとは異なります。HeyGen Videoの汎用シーン生成や、インタラクティブなライブアバター会話とも別です。描画された口の動き、見える手、表情、間、発話内容を、元素材と意図した調子に照らして確認します。画像、姿勢、照明、動作指示が結果に影響します。写真からのアニメーションは生成された演技として確認し、選んだ入力を後の修正用に保存します。", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "83b3949a15b0b05296c99a71a260b7f526eb9ed92b40e4e56d37efd7910ee9bd", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ja", "methods": [ { "html": "heygen/avatar-ivAvatar IVは、声に導かれる表情やジェスチャーのタイミングで、写真をリップシンクしたトーキング動画にします。HeyGenは、台本または録音音声のワークフローと、写実的・スタイライズされたプレゼンター向けPhoto Avatarの動作制御を文書化しています。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Avatar IVは、静止画像を表情豊かなトーキング動画に変えるHeyGenのアバターエンジンです。拡散モデルに着想を得た音声から表情への設計により、声の調子、リズム、感情が、顔の動き、首の傾き、間、微表情を導きます。目的は、リップシンクとジェスチャーを伴って発話内容を伝えるプレゼンターやキャラクターであり、映画的なプロンプトから場所や音声トラック全体を作る汎用シーン生成器とは異なります。
メーカーは、角度付きや横顔の画像、アニメ調の顔、ペットなど、写実的・スタイライズされたキャラクターへの対応を説明しています。写真ベースのキャラクターは、目、口、顔の構造が識別しやすいと効果的です。HeyGenは、明瞭で照明が良く、姿勢が自然な画像を勧め、ジェスチャーが重要な場合は手も見せるよう求めています。顔が極端に小さい、唇が隠れる、重いマスク、目立つくちばし、強く誇張した比率などは、顔の動きやリップシンクを弱める場合があります。意図した演技に合う元画像の構図を保ちます。
メーカーは二つの発話入力経路を提供します。文章の台本には選んだ音声を組み合わせ、事前録音の音声トラックは声とタイミングを直接与えます。話し方がすでに決まっているなら録音音声、発話を合成する必要があるなら台本を使います。文書化された画面では、これらは代替の入力です。動画化の前に最終文面、名前、発音を整え、返された動画とともに音声や台本を残して、話された内容を確認できるようにします。
HeyGenのAvatar IVプロファイルは、スタジオアバター、Digital Twins、Photo Avatars、直接入力する画像、プロンプト作成の被写体を対象とします。再利用できるPhoto Avatarは後の動画でも安定した被写体を提供し、直接画像のフローは入力画像から始まります。メーカーのPhoto Avatarプロファイルには、自由文の動作指示とhigh、medium、lowの表現力の選択肢があり、既定値はlowです。シリーズでは選んだ外観とエンジンを維持し、元画像や描画モデルの変更が気づかないプレゼンター変更にならないようにします。
動作の指示では、目に見える身体動作とその感情的な質を記述します。「温かい笑顔で穏やかにうなずく」なら、一つのジェスチャーと一つの表情です。短いあいさつには親しみのある手振りを使えます。メーカーは、主なジェスチャーを一つにし、必要なら表情を合わせ、連続動作でも短い節を二つ以内にするよう勧めています。Avatar IVは演技からペースを扱うため、Studioガイドは秒単位のジェスチャー予定を要求しません。具体的で簡潔な文面は、一つのプロンプトに競合する動作を多数入れるより確認しやすくなります。
メーカーの音声から動画のプロファイルは、一件のリクエストで最大30分の入力音声を描画し、アップロードするMP3・WAV素材は32 MBが上限です。長い講義や録音では、意味のまとまった発話の境界で分割し、元の順序を保ちます。完成動画の発話タイミングは、無関係なクリップ時間の見積もりではなく、選択音声に従う必要があります。
文書化された出力設定には720p、1080pと、16:9、9:16、4:5、5:4、1:1があり、元の比率に従う自動オプションもあります。coverは被写体を切り取る場合があり、containは全体を収め、周囲の背景が見える場合があります。音声から動画のフローは既定でMP4を返します。動画アバターの透明WebM出力にはマッティング対応が必要で、メーカーは新しい背景と組み合わせるのでなく、背景除去を適用します。大きな構成へ配置する前に、実際の構図とファイルを確認します。
研修の導入なら、見やすいプレゼンター画像、簡潔な説明、重要な指示で一つの控えめなジェスチャーを使えます。商品説明なら、同じアバターの外観を保ち、機能ごとに台本を変えられます。メーカーは任意の字幕ファイルと焼き付け字幕も文書化しており、発話とともに文面とタイミングを確認します。メーカーの描画は非同期なので、作成応答と完成動画は別の成果物です。完成録画と完了状態をタスク結果とともに保持します。
Avatar IVは、参照に基づく動きと別のStudioプリセット制御を持つAvatar Vとは異なります。HeyGen Videoの汎用シーン生成や、インタラクティブなライブアバター会話とも別です。描画された口の動き、見える手、表情、間、発話内容を、元素材と意図した調子に照らして確認します。画像、姿勢、照明、動作指示が結果に影響します。写真からのアニメーションは生成された演技として確認し、選んだ入力を後の修正用に保存します。
POST /v1/videostext, image, audio, videovideo| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 heygen/avatar-iv | デフォルト— |
フィールドinput_references | 種類array | 要件必須 | 値と制限 最小項目数: 2 最大項目数: 2 | デフォルト— |
フィールドprompt | 種類string | 要件任意 | 値と制限 | デフォルト— |
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, input_references |
パラメータmaterial_types | 仕様text, image, audio, video |
パラメータmaterial_conditions | 仕様実際に完了した所有メディアアセットのコンテンツURLを、返された署名付きで使用してください。BFLでは動画ソースを一つ、アバターでは画像と音声のソースを一つずつ使用します。ソースの所有者・型・バイト列の証跡が必要です。, PNG/JPEG画像を厳密に一つと、WAV/MP3音声アセットを一つ指定してください。音声は最大32000000バイトで、長さは0秒を超え1800秒以下である必要があります。 |
ライフサイクル: asynchronous_job_then_owned_outputs
GET /v1/videos/{request_id} · 実際に返されたidまたはpolling_url
GET /v1/videos/{request_id}/content
表示料金は生成前の費用の見積もりです。最終請求額は、元の生成処理に記録された費用から計算されます。実測された出力時間や予測数量が、そのまま最終的な課金数量になるわけではありません。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | 予測数量 | 課金単位 | 課金条件 | 料金 |
|---|---|---|---|---|---|
| 設定基本トークン料金 | 料金表基本料金 | 予測数量— | 課金単位— | 課金条件— | 料金 入力 · 入力トークン · 比較専用の見積もり — / 1K トークン 出力 · 出力トークン · 比較専用の見積もり — / 1K トークン 入力 · キャッシュ読み取り · 比較専用の見積もり — / 1K トークン 入力 · キャッシュ書き込み · 比較専用の見積もり — / 1K トークン 入力 · キャッシュ書き込み、1時間 · 比較専用の見積もり — / 1K トークン |
| 設定動画料金 | 料金表— | 予測数量— | 課金単位動画1秒あたり | 課金条件この価格キーには追加条件が定義されていません。 | 料金 出力 · 動画料金 · 比較専用の見積もり $0.1 動画1秒あたり |
| 設定生成費用の見積もり | 料金表— | 予測数量生成1回分の概算 | 課金単位— | 課金条件— | 料金 出力 · 推定生成コスト · 比較専用の見積もり $0.1 生成前の見積もり この見積もりは追加料金ではなく、完了した生成処理に対する固定料金でもありません。 |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${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\n完了した動画や返されたファイルをすべて保存し、実際に返されたすべてのアセットURLから取得してください。
レスポンスとヘッダーの全体、実際の出力すべて、最初に返された識別子、使用量フィールドすべてを保存してください。作成リクエストを再送せずに、元の操作を復旧してください。
X-Client-Request-ID、X-Ailoot-Task-Id、および実際に返されたid/polling_urlを保持してください。元のジョブを継続し、作成リクエストを再送信しないでください。
| フィールド | 種類 |
|---|---|
フィールドid | 種類 |
フィールドstatus | 種類 |
フィールドdata[] | 種類 |
フィールドoutputs[] | 種類 |
Ailoot Ultra heygen/avatar-iv
上記に表示されたメソッドパスを使用してください。