Avatar IV — движок аватаров HeyGen для превращения изображения в выразительное говорящее видео. Его вдохновлённый диффузией audio-to-expression-дизайн использует тон, ритм и эмоцию голоса для мимики, наклонов головы, пауз и микровыражений лица. Назначение — ведущий или персонаж с речью, синхронизацией губ и жестами, а не общий генератор окружения и звуковой дорожки по кинематографическому промпту.
Производитель описывает реалистичных и стилизованных персонажей, включая ракурсные и профильные изображения, лица аниме и питомцев. Фотоперсонажи лучше работают с различимыми глазами, ртом и строением лица. HeyGen рекомендует ясное освещённое изображение, естественную позу и видимые руки при важных жестах. Маленькое лицо, скрытые губы, тяжёлые маски, выраженный клюв или сильно преувеличенные пропорции могут ухудшать мимику и синхронизацию. Кадрируйте исходник под исполнение.
Есть два речевых входа. Письменный сценарий сочетается с выбранным голосом; готовая аудиодорожка напрямую задаёт голос и время. Записанное аудио выбирайте при установленной подаче, текст — при необходимости синтеза. Это альтернативы документированного интерфейса. До анимации подготовьте слова, имена и произношение; храните аудио или сценарий с видео для проверки речи.
Профиль Avatar IV охватывает студийных аватаров, Digital Twins, Photo Avatars, прямые изображения и созданных промптом субъектов. Повторно используемый Photo Avatar задаёт постоянного персонажа для следующих видео, прямое изображение начинает с картинки. Профиль Photo Avatar предлагает свободные инструкции движения и выразительность high, medium или low, по умолчанию low. В серии сохраняйте облик и движок, чтобы смена исходника или модели не стала незамеченной сменой ведущего.
Движение описывайте видимым действием тела и эмоциональной окраской. «Мягко кивает с тёплой улыбкой» задаёт жест и выражение; приветствие может использовать дружелюбный взмах. Рекомендован один основной жест, необязательно с мимикой, максимум две короткие части фразы для последовательности. Avatar IV получает темп из исполнения, поэтому Studio не требует посекундного графика жестов. Конкретный короткий текст проще проверять, чем конкурирующие действия.
Профиль audio-to-video рендерит до тридцати минут переданного аудио на запрос; загруженные MP3/WAV ограничены 32 MB. Длинный урок или запись делите по связным речевым границам с сохранением порядка. Время речи итогового видео должно следовать аудио, а не несвязанной оценке длины клипа.
Выходные настройки производителя включают 720p или 1080p и формы 16:9, 9:16, 4:5, 5:4 или 1:1, а также автоматическое следование исходным пропорциям. Cover может обрезать персонажа; contain помещает его целиком, оставляя окружение. Audio-to-video по умолчанию возвращает MP4. Прозрачный WebM видеоаватаров требует matting; для него производитель удаляет фон, а не сочетает с новым. Проверьте реальное кадрирование и файл до большой композиции.
Учебное вступление использует читаемый образ ведущего, краткое объяснение и сдержанный жест на ключевой инструкции. Продуктовое объяснение сохраняет аватара, меняя сценарий функций. Производитель также документирует необязательные файлы субтитров и вшитые в изображение субтитры; проверяйте слова и время вместе с речью. Рендер асинхронен, ответ создания и готовое видео — разные материалы. Храните готовую запись и состояние завершения с результатом задачи.
Avatar IV отличается от референсного движения Avatar V и отдельных настроек Studio, от общей генерации HeyGen Video и интерактивного живого аватара. Сверяйте движения рта, руки, мимику, паузы и слова с исходником и тоном. Изображение, поза, свет и инструкции влияют на результат; анимацию фото проверяйте как сгенерированное исполнение, сохраняя входы для изменений.
", "aboutText": "Avatar IV — движок аватаров HeyGen для превращения изображения в выразительное говорящее видео. Его вдохновлённый диффузией audio-to-expression-дизайн использует тон, ритм и эмоцию голоса для мимики, наклонов головы, пауз и микровыражений лица. Назначение — ведущий или персонаж с речью, синхронизацией губ и жестами, а не общий генератор окружения и звуковой дорожки по кинематографическому промпту.\n\nПроизводитель описывает реалистичных и стилизованных персонажей, включая ракурсные и профильные изображения, лица аниме и питомцев. Фотоперсонажи лучше работают с различимыми глазами, ртом и строением лица. HeyGen рекомендует ясное освещённое изображение, естественную позу и видимые руки при важных жестах. Маленькое лицо, скрытые губы, тяжёлые маски, выраженный клюв или сильно преувеличенные пропорции могут ухудшать мимику и синхронизацию. Кадрируйте исходник под исполнение.\n\nЕсть два речевых входа. Письменный сценарий сочетается с выбранным голосом; готовая аудиодорожка напрямую задаёт голос и время. Записанное аудио выбирайте при установленной подаче, текст — при необходимости синтеза. Это альтернативы документированного интерфейса. До анимации подготовьте слова, имена и произношение; храните аудио или сценарий с видео для проверки речи.\n\nПрофиль Avatar IV охватывает студийных аватаров, Digital Twins, Photo Avatars, прямые изображения и созданных промптом субъектов. Повторно используемый Photo Avatar задаёт постоянного персонажа для следующих видео, прямое изображение начинает с картинки. Профиль Photo Avatar предлагает свободные инструкции движения и выразительность high, medium или low, по умолчанию low. В серии сохраняйте облик и движок, чтобы смена исходника или модели не стала незамеченной сменой ведущего.\n\nДвижение описывайте видимым действием тела и эмоциональной окраской. «Мягко кивает с тёплой улыбкой» задаёт жест и выражение; приветствие может использовать дружелюбный взмах. Рекомендован один основной жест, необязательно с мимикой, максимум две короткие части фразы для последовательности. Avatar IV получает темп из исполнения, поэтому Studio не требует посекундного графика жестов. Конкретный короткий текст проще проверять, чем конкурирующие действия.\n\nПрофиль audio-to-video рендерит до тридцати минут переданного аудио на запрос; загруженные MP3/WAV ограничены 32 MB. Длинный урок или запись делите по связным речевым границам с сохранением порядка. Время речи итогового видео должно следовать аудио, а не несвязанной оценке длины клипа.\n\nВыходные настройки производителя включают 720p или 1080p и формы 16:9, 9:16, 4:5, 5:4 или 1:1, а также автоматическое следование исходным пропорциям. Cover может обрезать персонажа; contain помещает его целиком, оставляя окружение. Audio-to-video по умолчанию возвращает MP4. Прозрачный WebM видеоаватаров требует matting; для него производитель удаляет фон, а не сочетает с новым. Проверьте реальное кадрирование и файл до большой композиции.\n\nУчебное вступление использует читаемый образ ведущего, краткое объяснение и сдержанный жест на ключевой инструкции. Продуктовое объяснение сохраняет аватара, меняя сценарий функций. Производитель также документирует необязательные файлы субтитров и вшитые в изображение субтитры; проверяйте слова и время вместе с речью. Рендер асинхронен, ответ создания и готовое видео — разные материалы. Храните готовую запись и состояние завершения с результатом задачи.\n\nAvatar IV отличается от референсного движения Avatar V и отдельных настроек Studio, от общей генерации HeyGen Video и интерактивного живого аватара. Сверяйте движения рта, руки, мимику, паузы и слова с исходником и тоном. Изображение, поза, свет и инструкции влияют на результат; анимацию фото проверяйте как сгенерированное исполнение, сохраняя входы для изменений.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "fd4eca6e49e9fa33a6e7eaf3ab3c7369b0eb21f51c1f9aab0cfd7693d9823ca3", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ru", "methods": [ { "html": "heygen/avatar-ivAvatar IV анимирует фото в говорящее видео с синхронизацией губ, мимикой и жестами под голос. HeyGen документирует сценарий с текстом или записанным аудио и настройки движения Photo Avatar для реалистичных или стилизованных ведущих.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Avatar IV — движок аватаров HeyGen для превращения изображения в выразительное говорящее видео. Его вдохновлённый диффузией audio-to-expression-дизайн использует тон, ритм и эмоцию голоса для мимики, наклонов головы, пауз и микровыражений лица. Назначение — ведущий или персонаж с речью, синхронизацией губ и жестами, а не общий генератор окружения и звуковой дорожки по кинематографическому промпту.
Производитель описывает реалистичных и стилизованных персонажей, включая ракурсные и профильные изображения, лица аниме и питомцев. Фотоперсонажи лучше работают с различимыми глазами, ртом и строением лица. HeyGen рекомендует ясное освещённое изображение, естественную позу и видимые руки при важных жестах. Маленькое лицо, скрытые губы, тяжёлые маски, выраженный клюв или сильно преувеличенные пропорции могут ухудшать мимику и синхронизацию. Кадрируйте исходник под исполнение.
Есть два речевых входа. Письменный сценарий сочетается с выбранным голосом; готовая аудиодорожка напрямую задаёт голос и время. Записанное аудио выбирайте при установленной подаче, текст — при необходимости синтеза. Это альтернативы документированного интерфейса. До анимации подготовьте слова, имена и произношение; храните аудио или сценарий с видео для проверки речи.
Профиль Avatar IV охватывает студийных аватаров, Digital Twins, Photo Avatars, прямые изображения и созданных промптом субъектов. Повторно используемый Photo Avatar задаёт постоянного персонажа для следующих видео, прямое изображение начинает с картинки. Профиль Photo Avatar предлагает свободные инструкции движения и выразительность high, medium или low, по умолчанию low. В серии сохраняйте облик и движок, чтобы смена исходника или модели не стала незамеченной сменой ведущего.
Движение описывайте видимым действием тела и эмоциональной окраской. «Мягко кивает с тёплой улыбкой» задаёт жест и выражение; приветствие может использовать дружелюбный взмах. Рекомендован один основной жест, необязательно с мимикой, максимум две короткие части фразы для последовательности. Avatar IV получает темп из исполнения, поэтому Studio не требует посекундного графика жестов. Конкретный короткий текст проще проверять, чем конкурирующие действия.
Профиль audio-to-video рендерит до тридцати минут переданного аудио на запрос; загруженные MP3/WAV ограничены 32 MB. Длинный урок или запись делите по связным речевым границам с сохранением порядка. Время речи итогового видео должно следовать аудио, а не несвязанной оценке длины клипа.
Выходные настройки производителя включают 720p или 1080p и формы 16:9, 9:16, 4:5, 5:4 или 1:1, а также автоматическое следование исходным пропорциям. Cover может обрезать персонажа; contain помещает его целиком, оставляя окружение. Audio-to-video по умолчанию возвращает MP4. Прозрачный WebM видеоаватаров требует matting; для него производитель удаляет фон, а не сочетает с новым. Проверьте реальное кадрирование и файл до большой композиции.
Учебное вступление использует читаемый образ ведущего, краткое объяснение и сдержанный жест на ключевой инструкции. Продуктовое объяснение сохраняет аватара, меняя сценарий функций. Производитель также документирует необязательные файлы субтитров и вшитые в изображение субтитры; проверяйте слова и время вместе с речью. Рендер асинхронен, ответ создания и готовое видео — разные материалы. Храните готовую запись и состояние завершения с результатом задачи.
Avatar IV отличается от референсного движения Avatar V и отдельных настроек Studio, от общей генерации HeyGen Video и интерактивного живого аватара. Сверяйте движения рта, руки, мимику, паузы и слова с исходником и тоном. Изображение, поза, свет и инструкции влияют на результат; анимацию фото проверяйте как сгенерированное исполнение, сохраняя входы для изменений.
POST /v1/videostext, image, audio, videovideo| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения heygen/avatar-iv | По умолчанию— |
Полеinput_references | Типarray | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 2 Максимум элементов: 2 | По умолчанию— |
Полеprompt | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, input_references |
Параметрmaterial_types | Контрактtext, image, audio, video |
Параметрmaterial_conditions | КонтрактИспользуйте фактические URL содержимого готовых медиаресурсов, принадлежащих Ailoot, с возвращёнными подписями: один видеоисточник для BFL либо один источник изображения и один аудиоисточник для аватара. Требуется подтверждение владельца, типа и байтов в Source., Передайте ровно одно изображение PNG/JPEG и один аудиоресурс WAV/MP3. Размер аудио — не более 32000000 байтов, длительность — больше 0 и не более 1800 секунд. |
Жизненный цикл: asynchronous_job_then_owned_outputs
GET /v1/videos/{request_id} · фактически возвращённый id или polling_url
GET /v1/videos/{request_id}/content
Отображаемые тарифы позволяют оценить стоимость до генерации. Итоговое списание рассчитывается по стоимости, записанной для исходной генерации. Измеренная длительность результата и прогнозные объёмы не являются итоговым оплачиваемым объёмом.
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Прогноз количества | Расчётная единица | Условия расчёта | Плата |
|---|---|---|---|---|---|
| КонфигурацияБазовые тарифы на токены | Шкала ставокБазовая ставка | Прогноз количества— | Расчётная единица— | Условия расчёта— | Плата Вход · Входные токены · Оценка только для сравнения — / 1K токенов Выход · Выходные токены · Оценка только для сравнения — / 1K токенов Вход · Чтение кэша · Оценка только для сравнения — / 1K токенов Вход · Запись в кэш · Оценка только для сравнения — / 1K токенов Вход · Запись в кэш, 1 час · Оценка только для сравнения — / 1K токенов |
| КонфигурацияЦена видео | Шкала ставок— | Прогноз количества— | Расчётная единицаза секунду видео | Условия расчётаВ этом ключе цены дополнительное условие не объявлено. | Плата Выход · Цена видео · Оценка только для сравнения $0.1 за секунду видео |
| КонфигурацияОриентировочная стоимость генерации | Шкала ставок— | Прогноз количестваОценка для одной генерации | Расчётная единица— | Условия расчёта— | Плата Выход · Оценочная стоимость генерации · Оценка только для сравнения $0.1 оценка до генерации Эта оценка не является дополнительным списанием или фиксированным тарифом для завершённой генерации. |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${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\nСохраните каждое готовое видео или полученный файл; загрузите содержимое по каждому фактически полученному URL материала.
Сохраняйте полный ответ и заголовки, все фактические результаты, исходные возвращённые идентификаторы и все поля использования. Восстанавливайте исходную операцию без повторной отправки запроса создания.
Сохраните X-Client-Request-ID, X-Ailoot-Task-Id и фактически возвращённые id/polling_url. Продолжайте исходную задачу; не отправляйте запрос на создание повторно.
| Поле | Тип |
|---|---|
Полеid | Тип |
Полеstatus | Тип |
Полеdata[] | Тип |
Полеoutputs[] | Тип |
Ailoot Ultra heygen/avatar-iv
Используйте пути методов, указанные выше.