Avatar IV er HeyGens avatarmotor for å gjøre et stillbilde om til en uttrykksfull talevideo. Den diffusjonsinspirerte lyd-til-uttrykk-utformingen bruker stemmetone, rytme og følelse til å styre ansiktsbevegelse, hodehelling, pauser og mikrouttrykk. Formålet er en presentatør eller karakter som leverer muntlig innhold med leppesynkronisering og gester, fremfor en generell scenegenerator som lager hele omgivelser og lydspor fra en filmatisk prompt.
Produsenten beskriver støtte for livaktige og stiliserte karakterer, inkludert skrå- eller profilbilder, anime-ansikter og kjæledyr. Fotobaserte karakterer fungerer best når øyne, munn og ansiktsstruktur er lette å identifisere. HeyGen anbefaler et tydelig, godt belyst bilde med naturlig holdning og synlige hender når gester betyr noe. Et svært lite ansikt, skjulte lepper, tunge masker, et markert nebb eller sterkt overdrevne proporsjoner kan svekke ansiktsbevegelse og leppesynkronisering. Tilpass kildeutsnittet til ønsket fremføring.
Produsenten gir to veier for taleinndata. Et skriftlig manus kobles til en valgt stemme; et forhåndsinnspilt lydspor gir stemme og timing direkte. Bruk veien med innspilt lyd når fremføringen allerede er etablert, og manusveien når talen må syntetiseres. Inndataene er alternativer i det dokumenterte grensesnittet. Forbered endelig ordlyd, navn og uttale før animasjon og bevar lyd eller manus sammen med den returnerte videoen slik at taleresultatet kan kontrolleres.
HeyGens Avatar IV-modellprofil dekker studioavatarer, Digital Twins, Photo Avatars, direktebilder og promptskapte motiver. En gjenbrukbar Photo Avatar gir et stabilt motiv til senere videoer, mens en direktebildearbeidsflyt starter fra det oppgitte bildet. Produsentens Photo Avatar-profil tilbyr bevegelsesinstruksjoner i fritekst og uttrykksvalg på high, medium eller low, med low som standard. Behold valgt avatarutseende og motor når du lager en serie, slik at et endret kildebilde eller en endret rendringsmodell ikke blir en ubemerket endring av presentatøren.
Til bevegelsesregi beskriver du en synlig kroppshandling og dens følelsesmessige kvalitet. «Nikker forsiktig med et varmt smil» gir én gest og ett uttrykk; en kort hilsen kan bruke et vennlig vink. Produsenten anbefaler én hovedgest, eventuelt sammen med et ansiktsuttrykk, og høyst to korte setningsledd til en sekvens. Avatar IV håndterer tempo fra fremføringen, så Studio-veiledningen krever ikke en gestplan sekund for sekund. Spesifikk, kort ordlyd er lettere å undersøke enn flere konkurrerende handlinger i én prompt.
Produsentens lyd-til-video-profil rendrer opptil tretti minutter oppgitt lyd per forespørsel, og opplastede MP3- eller WAV-ressurser har en grense på 32 MB. Til en lengre leksjon eller et opptak deler du materialet ved sammenhengende talegrenser og beholder originalrekkefølgen. Sluttvideoens taletiming bør følge valgt lyd fremfor et urelatert anslag på klippvarighet.
De dokumenterte utdatainnstillingene omfatter 720p eller 1080p og former på 16:9, 9:16, 4:5, 5:4 eller 1:1, med et automatisk alternativ som følger kildens proporsjoner. En cover-tilpasning kan beskjære motivet; contain får plass til hele motivet og kan la omkringliggende bakgrunn være synlig. Lyd-til-video-arbeidsflyten returnerer MP4 som standard. Til videoavatarer krever transparente WebM-utdata støtte for matting, og produsenten bruker bakgrunnsfjerning til disse utdataene i stedet for å kombinere dem med en ny bakgrunn. Undersøk faktisk utsnitt og fil før presentatøren plasseres i en større komposisjon.
En opplæringsintroduksjon kan bruke et tydelig presentatørbilde, en kort forklaring og én dempet gest ved hovedinstruksjonen. En produktforklaring kan beholde samme avatarutseende mens talemanuset endres for ulike funksjoner. Produsenten dokumenterer også valgfrie undertekstfiler og innbrente undertekster; gjennomgå ordlyd og timing sammen med talen. Rendering er asynkron i produsentgrensesnittet, så et opprettelsessvar og den fullførte videoen er forskjellige resultater. Oppbevar det ferdige opptaket og fullføringsstatusen sammen med oppgavens resultat.
Avatar IV er fortsatt forskjellig fra Avatar Vs referansestyrte bevegelse og separate forhåndsdefinerte Studio-kontroller. Den er også forskjellig fra HeyGen Videos generelle scenegenerering og fra en interaktiv samtale med en sanntidsavatar. Gjennomgå gjengitt munnbevegelse, synlige hender, ansiktsuttrykk, pauser og muntlig ordlyd opp mot kildemateriale og ønsket tone. Bilde, positur, belysning og bevegelsesinstruksjoner påvirker resultatet; en fotobasert animasjon bør kontrolleres som en generert fremføring, med valgte inndata beholdt til senere revisjoner.
", "aboutText": "Avatar IV er HeyGens avatarmotor for å gjøre et stillbilde om til en uttrykksfull talevideo. Den diffusjonsinspirerte lyd-til-uttrykk-utformingen bruker stemmetone, rytme og følelse til å styre ansiktsbevegelse, hodehelling, pauser og mikrouttrykk. Formålet er en presentatør eller karakter som leverer muntlig innhold med leppesynkronisering og gester, fremfor en generell scenegenerator som lager hele omgivelser og lydspor fra en filmatisk prompt.\n\nProdusenten beskriver støtte for livaktige og stiliserte karakterer, inkludert skrå- eller profilbilder, anime-ansikter og kjæledyr. Fotobaserte karakterer fungerer best når øyne, munn og ansiktsstruktur er lette å identifisere. HeyGen anbefaler et tydelig, godt belyst bilde med naturlig holdning og synlige hender når gester betyr noe. Et svært lite ansikt, skjulte lepper, tunge masker, et markert nebb eller sterkt overdrevne proporsjoner kan svekke ansiktsbevegelse og leppesynkronisering. Tilpass kildeutsnittet til ønsket fremføring.\n\nProdusenten gir to veier for taleinndata. Et skriftlig manus kobles til en valgt stemme; et forhåndsinnspilt lydspor gir stemme og timing direkte. Bruk veien med innspilt lyd når fremføringen allerede er etablert, og manusveien når talen må syntetiseres. Inndataene er alternativer i det dokumenterte grensesnittet. Forbered endelig ordlyd, navn og uttale før animasjon og bevar lyd eller manus sammen med den returnerte videoen slik at taleresultatet kan kontrolleres.\n\nHeyGens Avatar IV-modellprofil dekker studioavatarer, Digital Twins, Photo Avatars, direktebilder og promptskapte motiver. En gjenbrukbar Photo Avatar gir et stabilt motiv til senere videoer, mens en direktebildearbeidsflyt starter fra det oppgitte bildet. Produsentens Photo Avatar-profil tilbyr bevegelsesinstruksjoner i fritekst og uttrykksvalg på high, medium eller low, med low som standard. Behold valgt avatarutseende og motor når du lager en serie, slik at et endret kildebilde eller en endret rendringsmodell ikke blir en ubemerket endring av presentatøren.\n\nTil bevegelsesregi beskriver du en synlig kroppshandling og dens følelsesmessige kvalitet. «Nikker forsiktig med et varmt smil» gir én gest og ett uttrykk; en kort hilsen kan bruke et vennlig vink. Produsenten anbefaler én hovedgest, eventuelt sammen med et ansiktsuttrykk, og høyst to korte setningsledd til en sekvens. Avatar IV håndterer tempo fra fremføringen, så Studio-veiledningen krever ikke en gestplan sekund for sekund. Spesifikk, kort ordlyd er lettere å undersøke enn flere konkurrerende handlinger i én prompt.\n\nProdusentens lyd-til-video-profil rendrer opptil tretti minutter oppgitt lyd per forespørsel, og opplastede MP3- eller WAV-ressurser har en grense på 32 MB. Til en lengre leksjon eller et opptak deler du materialet ved sammenhengende talegrenser og beholder originalrekkefølgen. Sluttvideoens taletiming bør følge valgt lyd fremfor et urelatert anslag på klippvarighet.\n\nDe dokumenterte utdatainnstillingene omfatter 720p eller 1080p og former på 16:9, 9:16, 4:5, 5:4 eller 1:1, med et automatisk alternativ som følger kildens proporsjoner. En cover-tilpasning kan beskjære motivet; contain får plass til hele motivet og kan la omkringliggende bakgrunn være synlig. Lyd-til-video-arbeidsflyten returnerer MP4 som standard. Til videoavatarer krever transparente WebM-utdata støtte for matting, og produsenten bruker bakgrunnsfjerning til disse utdataene i stedet for å kombinere dem med en ny bakgrunn. Undersøk faktisk utsnitt og fil før presentatøren plasseres i en større komposisjon.\n\nEn opplæringsintroduksjon kan bruke et tydelig presentatørbilde, en kort forklaring og én dempet gest ved hovedinstruksjonen. En produktforklaring kan beholde samme avatarutseende mens talemanuset endres for ulike funksjoner. Produsenten dokumenterer også valgfrie undertekstfiler og innbrente undertekster; gjennomgå ordlyd og timing sammen med talen. Rendering er asynkron i produsentgrensesnittet, så et opprettelsessvar og den fullførte videoen er forskjellige resultater. Oppbevar det ferdige opptaket og fullføringsstatusen sammen med oppgavens resultat.\n\nAvatar IV er fortsatt forskjellig fra Avatar Vs referansestyrte bevegelse og separate forhåndsdefinerte Studio-kontroller. Den er også forskjellig fra HeyGen Videos generelle scenegenerering og fra en interaktiv samtale med en sanntidsavatar. Gjennomgå gjengitt munnbevegelse, synlige hender, ansiktsuttrykk, pauser og muntlig ordlyd opp mot kildemateriale og ønsket tone. Bilde, positur, belysning og bevegelsesinstruksjoner påvirker resultatet; en fotobasert animasjon bør kontrolleres som en generert fremføring, med valgte inndata beholdt til senere revisjoner.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "8bb27e3de041196e3d0da8eaa8fb22b85242f726f07b3fdbe142b54989441b6b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "heygen/avatar-ivAvatar IV animerer et foto til en leppesynkronisert talevideo, med ansiktsuttrykk og gesttiming styrt av stemmen. HeyGen dokumenterer arbeidsflyter med manus eller innspilt lyd og Photo Avatar-bevegelseskontroller for livaktige eller stiliserte presentatører.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Avatar IV er HeyGens avatarmotor for å gjøre et stillbilde om til en uttrykksfull talevideo. Den diffusjonsinspirerte lyd-til-uttrykk-utformingen bruker stemmetone, rytme og følelse til å styre ansiktsbevegelse, hodehelling, pauser og mikrouttrykk. Formålet er en presentatør eller karakter som leverer muntlig innhold med leppesynkronisering og gester, fremfor en generell scenegenerator som lager hele omgivelser og lydspor fra en filmatisk prompt.
Produsenten beskriver støtte for livaktige og stiliserte karakterer, inkludert skrå- eller profilbilder, anime-ansikter og kjæledyr. Fotobaserte karakterer fungerer best når øyne, munn og ansiktsstruktur er lette å identifisere. HeyGen anbefaler et tydelig, godt belyst bilde med naturlig holdning og synlige hender når gester betyr noe. Et svært lite ansikt, skjulte lepper, tunge masker, et markert nebb eller sterkt overdrevne proporsjoner kan svekke ansiktsbevegelse og leppesynkronisering. Tilpass kildeutsnittet til ønsket fremføring.
Produsenten gir to veier for taleinndata. Et skriftlig manus kobles til en valgt stemme; et forhåndsinnspilt lydspor gir stemme og timing direkte. Bruk veien med innspilt lyd når fremføringen allerede er etablert, og manusveien når talen må syntetiseres. Inndataene er alternativer i det dokumenterte grensesnittet. Forbered endelig ordlyd, navn og uttale før animasjon og bevar lyd eller manus sammen med den returnerte videoen slik at taleresultatet kan kontrolleres.
HeyGens Avatar IV-modellprofil dekker studioavatarer, Digital Twins, Photo Avatars, direktebilder og promptskapte motiver. En gjenbrukbar Photo Avatar gir et stabilt motiv til senere videoer, mens en direktebildearbeidsflyt starter fra det oppgitte bildet. Produsentens Photo Avatar-profil tilbyr bevegelsesinstruksjoner i fritekst og uttrykksvalg på high, medium eller low, med low som standard. Behold valgt avatarutseende og motor når du lager en serie, slik at et endret kildebilde eller en endret rendringsmodell ikke blir en ubemerket endring av presentatøren.
Til bevegelsesregi beskriver du en synlig kroppshandling og dens følelsesmessige kvalitet. «Nikker forsiktig med et varmt smil» gir én gest og ett uttrykk; en kort hilsen kan bruke et vennlig vink. Produsenten anbefaler én hovedgest, eventuelt sammen med et ansiktsuttrykk, og høyst to korte setningsledd til en sekvens. Avatar IV håndterer tempo fra fremføringen, så Studio-veiledningen krever ikke en gestplan sekund for sekund. Spesifikk, kort ordlyd er lettere å undersøke enn flere konkurrerende handlinger i én prompt.
Produsentens lyd-til-video-profil rendrer opptil tretti minutter oppgitt lyd per forespørsel, og opplastede MP3- eller WAV-ressurser har en grense på 32 MB. Til en lengre leksjon eller et opptak deler du materialet ved sammenhengende talegrenser og beholder originalrekkefølgen. Sluttvideoens taletiming bør følge valgt lyd fremfor et urelatert anslag på klippvarighet.
De dokumenterte utdatainnstillingene omfatter 720p eller 1080p og former på 16:9, 9:16, 4:5, 5:4 eller 1:1, med et automatisk alternativ som følger kildens proporsjoner. En cover-tilpasning kan beskjære motivet; contain får plass til hele motivet og kan la omkringliggende bakgrunn være synlig. Lyd-til-video-arbeidsflyten returnerer MP4 som standard. Til videoavatarer krever transparente WebM-utdata støtte for matting, og produsenten bruker bakgrunnsfjerning til disse utdataene i stedet for å kombinere dem med en ny bakgrunn. Undersøk faktisk utsnitt og fil før presentatøren plasseres i en større komposisjon.
En opplæringsintroduksjon kan bruke et tydelig presentatørbilde, en kort forklaring og én dempet gest ved hovedinstruksjonen. En produktforklaring kan beholde samme avatarutseende mens talemanuset endres for ulike funksjoner. Produsenten dokumenterer også valgfrie undertekstfiler og innbrente undertekster; gjennomgå ordlyd og timing sammen med talen. Rendering er asynkron i produsentgrensesnittet, så et opprettelsessvar og den fullførte videoen er forskjellige resultater. Oppbevar det ferdige opptaket og fullføringsstatusen sammen med oppgavens resultat.
Avatar IV er fortsatt forskjellig fra Avatar Vs referansestyrte bevegelse og separate forhåndsdefinerte Studio-kontroller. Den er også forskjellig fra HeyGen Videos generelle scenegenerering og fra en interaktiv samtale med en sanntidsavatar. Gjennomgå gjengitt munnbevegelse, synlige hender, ansiktsuttrykk, pauser og muntlig ordlyd opp mot kildemateriale og ønsket tone. Bilde, positur, belysning og bevegelsesinstruksjoner påvirker resultatet; en fotobasert animasjon bør kontrolleres som en generert fremføring, med valgte inndata beholdt til senere revisjoner.
POST /v1/videostext, image, audio, videovideo| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser heygen/avatar-iv | Standard— |
Feltinput_references | Typearray | KravPåkrevd | Verdier & grenser Minste antall elementer: 2 Maksimalt antall elementer: 2 | Standard— |
Feltprompt | Typestring | KravValgfritt | Verdier & grenser | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, input_references |
Parametermaterial_types | Avtaletext, image, audio, video |
Parametermaterial_conditions | AvtaleBruk faktiske innholdsadresser for ferdigstilte medieressurser du eier, med de returnerte signaturene: én videokilde for BFL, eller én bilde- og én lydkilde for avatar. Dokumentasjon fra kildekoden av eier, type og byte er påkrevd., Oppgi nøyaktig ett PNG/JPEG-bilde og én WAV/MP3-lydressurs. Lyden er høyst 32000000 byte, med varighet større enn 0 og høyst 1800 sekunder. |
Livssyklus: asynchronous_job_then_owned_outputs
GET /v1/videos/{request_id} · Faktisk returnert id eller polling_url
GET /v1/videos/{request_id}/content
De viste satsene anslår kostnaden før generering. Det endelige beløpet beregnes ut fra kostnaden som er registrert for den opprinnelige genereringen. Målt varighet på utdataene og anslåtte mengder er ikke den endelige fakturerbare mengden.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Forventet mengde | Faktureringsenhet | Faktureringsvilkår | Kostnad |
|---|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Forventet mengde— | Faktureringsenhet— | Faktureringsvilkår— | Kostnad Inndata · Inngående tokener · Estimat kun for sammenligning — / 1K tokener Utdata · Utgående tokener · Estimat kun for sammenligning — / 1K tokener Inndata · Lesing fra hurtigbuffer · Estimat kun for sammenligning — / 1K tokener Inndata · Skriving til hurtigbuffer · Estimat kun for sammenligning — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time · Estimat kun for sammenligning — / 1K tokener |
| KonfigurasjonVideopris | Prisplan— | Forventet mengde— | Faktureringsenhetper videosekund | FaktureringsvilkårIngen ytterligere betingelse er angitt i denne prisnøkkelen. | Kostnad Utdata · Videopris · Estimat kun for sammenligning $0.1 per videosekund |
| KonfigurasjonAnslått genereringskostnad | Prisplan— | Forventet mengdeestimat for én generering | Faktureringsenhet— | Faktureringsvilkår— | Kostnad Utdata · Anslått genereringskostnad · Estimat kun for sammenligning $0.1 estimat før generering Dette anslaget er verken en tilleggsavgift eller en fast sats for den fullførte genereringen. |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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\nLagre hver ferdige video eller returnerte fil; hent hver faktisk returnerte ressurs-URL.
Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.
Behold X-Client-Request-ID, X-Ailoot-Task-Id og faktisk returnert id/polling_url. Fortsett den opprinnelige jobben; ikke send inn opprettelsen på nytt.
| Felt | Type |
|---|---|
Feltid | Type |
Feltstatus | Type |
Feltdata[] | Type |
Feltoutputs[] | Type |
Ailoot Ultra heygen/avatar-iv
Bruk metodestiene som vises ovenfor.