HeyGen Video yra HeyGen bendros paskirties scenų generavimo modelis, gamintojo identifikuojamas kaip heygen-video-1. Pagal kūrybinę užduotį jis kartu kuria objektą, aplinką, šviesą ir garsą. Kiekvienas klipas trunka 5–15 sekundžių ir turi sugeneruotą garso takelį, įskaitant dialogą, aplinkos garsus bei efektus. Naudinga gamybos įvestis apima scenos aprašymą, produkto nuotrauką arba medžiagą, nustatančią žmogų, vietą ar judesį. Gautas failas yra trumpa scena produkto pristatymui, įvadiniam intarpui, nekilnojamojo turto vaizdui ar kitam montuojamam vaizdo darbui.
Trys režimai suteikia įvestims skirtingus vaidmenis. Kūrimas iš teksto kuria sceną pagal užklausą. Kūrimas iš vaizdo prasideda tiksliai pateiktu vaizdu, tada vykdo veiksmo užduotį. Kūrimas iš orientyrų naudoja pateiktus vaizdus, vaizdo įrašus ir pasirenkamą garsą naujai komponuojamai scenai nukreipti; jam reikia bent vieno orientyrinio vaizdo arba vaizdo įrašo. Pirmojo kadro vaizdą rinkitės tada, kai pradžios kompozicija turi sutapti su nuotrauka, o orientyrus – kai žinomas daiktas turi atsirasti kitoje kompozicijoje. Šis scenų modelis skiriasi nuo HeyGen avatarų atvaizdavimo variklių ir Video Agent kompozicijos eigos.
Gamintojo vadovas teikia pirmenybę išsamiems, konkretiems plano nurodymams: vienas objektas, viena vieta ir vienas apibrėžtas veiksmas, naudojant fiksuotą arba švelniai judančią kamerą. Aprašykite kameros padėtį, objektyvo arba ryškumo gylio sumanymą, šviesą, paviršiaus tekstūrą ir spalvų stilistiką. Paaiškinkite, kur objektai liečiasi, kai veiksmas priklauso nuo sąlyčio. Originaliam produkto pavyzdžiui naudokite orientyrinę kelioninio termoso nuotrauką ir paprašykite, kad jis stovėtų ant medinio stalviršio, šalia kalbant pristatytojui, kamerai truputį artėjant prie termoso. Rezultate patikrinkite termoso formą, vietą ir matomą žymėjimą.
Orientyrų sąrašai palaiko iki devynių vaizdų, trijų vaizdo įrašų ir trijų garso elementų, iš viso daugiausia dvylika orientyrų. Vaizdai, vaizdo įrašai ir garsas gamintojo užklausos formate numeruojami atskirai: pirmas vaizdas yra <Picture 1>, o pirmas vaizdo įrašas – <Video 1>. Kiekvienam orientyrui suteikite vaidmenį ir jį aiškiai įvardykite užduotyje. Modelis skaito pirmąsias penkias kiekvieno orientyrinio vaizdo įrašo sekundes, todėl svarbią atkarpą paruoškite pradžioje. API žinynas taip pat nurodo orientyrinio vaizdo proporcijas nuo 1:4 iki 4:1. Ilgas klipas, kuriame norimas judesys yra tik pabaigoje, netinka šiam penkių sekundžių įvesties langui.
Dokumentuota orientyrų sąsaja priima tiesiogiai pasiekiamą HTTPS išteklių, įkelto failo identifikatorių arba įterptą base64. Vadove nurodyti maksimalūs vaizdų dydžiai: 16 MB pateikiant URL ir 5 MB įterpiant; vaizdo arba garso failai gali būti iki 32 MB per URL ir 16 MB įterpti. Paruoškite aiškią pradinę medžiagą, kurioje svarbus objektas lengvai atskiriamas, o skirtingi orientyrai nepateikia konkuruojančių nurodymų. Pirmojo kadro vaizde išlaikykite norimą orientaciją. Šios įvesties detalės taikomos gamintojo orientyrų eigai ir padeda sutvarkyti kūrybinę medžiagą pasirinktam režimui.
Garsą režisuokite toje pačioje užduotyje kaip vaizdą. Nurodykite dialogą, balso atlikimą, patalpos foną ir konkrečius efektus, įskaitant tai, ar garsas turi skambėti arti, ar toli. Jei scenoje turi būti tik kalba ir aplinkos garsai, aprašykite norimą muzikos naudojimą. Vadovas siūlo planuojant skaičiuoti maždaug 2,5 tariamo žodžio per sekundę, todėl palikite laiko pauzėms ir matomam veiksmui. Trumpą įžangą galima suplanuoti kaip vieną repliką, po kurios seka produkto atskleidimo akimirka. Klausykite tikrųjų žodžių ir ar sugeneruotas garsas dera prie erdvės bei veiksmo.
Rezultato trukmė pasirenkama sveikomis sekundėmis nuo penkių iki penkiolikos, numatytoji – penkios sekundės. Raiška yra dydžio klasė: 480p, 768p, 1080p arba 2k. Dokumentuoti kadravimo variantai yra 21:9, 16:9, 4:3, 1:1, 3:4 ir 9:16. Kuriant iš teksto arba orientyrų 1080p ar 2k raiška, rinkitės 16:9 arba 9:16; prisitaikantis orientyrų kadravimas dokumentuotas 480p ir 768p raiškoms. Kūrimas iš vaizdo seka pirmojo vaizdo proporcijas, todėl apkirpkite prieš generavimą, kai reikia kitos formos. Peržiūrėkite tikruosius užbaigto rezultato matmenis, užuot manę, kad dydžio klasės žyma reiškia vieną įprastą pikselių porą.
Modelio vadovas nurodo MP4 vaizdą su H.264 vaizdo kodavimu ir AAC 32 kHz stereogarsu. Generavimas apdorojamas asinchroniškai, o užbaigta užduotis pateikia paleidžiamo vaizdo vietą, trukmę bei matmenis. Pasirašytą vaizdo vietą galima atnaujinti dar kartą gaunant užduotį. Išsaugokite patį klipą, orientyrinę medžiagą ir užduotį montažo peržiūrai. Laukimo ar apdorojimo įrašas seka generavimą; užbaigtas vaizdo įrašas yra gamybos rezultatas, kurio vaizdą, kalbą ir garsą reikia įvertinti.
Gamintojas dokumentuoja užklausos pagerinimo pasirinkimus turbo, quality ir disabled; disabled išlaiko paruoštą formuluotę tokią, kokia parašyta. Fiksuotas pradinis atsitiktinumo skaičius naudingas lyginant vienos frazės pakeitimą, išlaikant kitas įvestis. Pasirinktą skaičių ir nustatymus įrašykite su plano užduotimi. Ekrano užrašams norimą frazę laikykite trumpą ir parašykite tiksliai; vadovas rekomenduoja pastraipas, smulkų tekstą ir pažymėtas diagramas įkomponuoti vėliau. Sugeneruotame pavadinime patikrinkite kiekvieną matomą simbolį, užuot manę, kad tekstas atkartotas teisingai.
Vadovas kaip mažiau patikimas sritis įvardija ilgą ekrano tekstą, švelnų organinį judėjimą, pavyzdžiui, žiedlapių, popieriaus ar plaukų, ir smulkius rankų veiksmus iš arti. Procedūriniam paaiškinimui leiskite aiškiai parašytai replikai perteikti žingsnius, o vaizde rodykite stabilų žmogų arba daiktą; kai pats fizinis veiksmas turi būti tikslus, naudokite atskirai patikrintus vaizdus. Peržiūrėkite visą planą pagal daikto vientisumą, sąlytį, veido bei rankų detales, dialogą ir garsą. Trumpas sąrašas to, ką keisti kitame bandyme, išlaiko išsamią gamybos užduotį praktišką.
", "aboutText": "HeyGen Video yra HeyGen bendros paskirties scenų generavimo modelis, gamintojo identifikuojamas kaip heygen-video-1. Pagal kūrybinę užduotį jis kartu kuria objektą, aplinką, šviesą ir garsą. Kiekvienas klipas trunka 5–15 sekundžių ir turi sugeneruotą garso takelį, įskaitant dialogą, aplinkos garsus bei efektus. Naudinga gamybos įvestis apima scenos aprašymą, produkto nuotrauką arba medžiagą, nustatančią žmogų, vietą ar judesį. Gautas failas yra trumpa scena produkto pristatymui, įvadiniam intarpui, nekilnojamojo turto vaizdui ar kitam montuojamam vaizdo darbui.\n\nTrys režimai suteikia įvestims skirtingus vaidmenis. Kūrimas iš teksto kuria sceną pagal užklausą. Kūrimas iš vaizdo prasideda tiksliai pateiktu vaizdu, tada vykdo veiksmo užduotį. Kūrimas iš orientyrų naudoja pateiktus vaizdus, vaizdo įrašus ir pasirenkamą garsą naujai komponuojamai scenai nukreipti; jam reikia bent vieno orientyrinio vaizdo arba vaizdo įrašo. Pirmojo kadro vaizdą rinkitės tada, kai pradžios kompozicija turi sutapti su nuotrauka, o orientyrus – kai žinomas daiktas turi atsirasti kitoje kompozicijoje. Šis scenų modelis skiriasi nuo HeyGen avatarų atvaizdavimo variklių ir Video Agent kompozicijos eigos.\n\nGamintojo vadovas teikia pirmenybę išsamiems, konkretiems plano nurodymams: vienas objektas, viena vieta ir vienas apibrėžtas veiksmas, naudojant fiksuotą arba švelniai judančią kamerą. Aprašykite kameros padėtį, objektyvo arba ryškumo gylio sumanymą, šviesą, paviršiaus tekstūrą ir spalvų stilistiką. Paaiškinkite, kur objektai liečiasi, kai veiksmas priklauso nuo sąlyčio. Originaliam produkto pavyzdžiui naudokite orientyrinę kelioninio termoso nuotrauką ir paprašykite, kad jis stovėtų ant medinio stalviršio, šalia kalbant pristatytojui, kamerai truputį artėjant prie termoso. Rezultate patikrinkite termoso formą, vietą ir matomą žymėjimą.\n\nOrientyrų sąrašai palaiko iki devynių vaizdų, trijų vaizdo įrašų ir trijų garso elementų, iš viso daugiausia dvylika orientyrų. Vaizdai, vaizdo įrašai ir garsas gamintojo užklausos formate numeruojami atskirai: pirmas vaizdas yra