已经有录音，选 OmniHuman 1.5；手里只有台词、想让模型自己出声，选 HeyGen Avatar IV。
两款都已上线 HiAPI。打开 OmniHuman 1.5 模型页，用人像图加一段录音直接出片；打开 HeyGen Avatar IV 模型页，输入台词和音色就能开口。
一张表看懂差别
| OmniHuman 1.5 | HeyGen Avatar IV | |
|---|---|---|
| 必需输入 | 人像图 + 音频 | 真人照片 + 台词与音色，或音频 |
| 驱动方式 | 音频驱动口型、表情和肢体，提示词只调整手势和镜头 | 台词加音色直接生成语音，也接受录音 |
| 音频上限 | 60 秒以内，15 秒以内的短片动作更稳 | 600 秒以内，台词最长 5000 字符 |
| 分辨率与默认 | 720p / 1080p 同价，默认 1080p | 720p / 1080p，默认 720p |
| 画幅 | 跟随人像图 | 可选 aspect_ratio 与背景填充 |
| 多人蒙版 | 最多 5 张，说话者区域为白 | 无蒙版输入 |
| 非真人主体 | 真人、宠物、动漫角色 | 真人照片 |
| 每秒价格 | $0.193 | $0.15 |
差别不只在价格。OmniHuman 1.5 能接受真人以外的形象，也能在合影里指定谁说话；HeyGen Avatar IV 省掉录音这一步，一条能说到十分钟。
两个模型真实出片长什么样？
| OmniHuman 1.5 | HeyGen Avatar IV |
|---|---|
 |  |
两段视频用的是不同的人像照片和不同的音频，展示的是各自模型的出片风格，并非同一素材的对照。OmniHuman 1.5 这段是 16:9 半身像、1080p、约 8 秒中文口播；HeyGen Avatar IV 这段是横版、由台词驱动的数字人。
看这两段，重点看表达方式：句子之间身体怎么动、构图落在哪、眼神稳不稳。要判断像不像本人，拿自己的照片各跑一条更直接。
按场景怎么选？
- 还没有录音，只有台词 → HeyGen Avatar IV，台词加音色一次出声。
- 主体是宠物、动漫角色或插画 → OmniHuman 1.5，接受非真人形象。
- 合影里只让一个人说话 → OmniHuman 1.5，最多 5 张蒙版，逐人指定。
- 连续口播超过 60 秒 → HeyGen Avatar IV，单条最长 600 秒。
- 要 1080p 又不加钱、画幅跟着照片走 → OmniHuman 1.5；要固定比例或纯色背景 → HeyGen Avatar IV，可设
aspect_ratio和背景。
已经有录音时两款都能用，再按画幅、时长上限和价格挑。OmniHuman 1.5 每秒更贵，单条也止步 60 秒；主体是真人、片子又长，HeyGen Avatar IV 更省也更省事。
一条片子多少钱？
| 时长 | OmniHuman 1.5 | HeyGen Avatar IV |
|---|---|---|
| 8 秒 | $1.544 | $1.20 |
| 15 秒 | $2.895 | $2.25 |
| 60 秒 | $11.58 | $9.00 |
| 600 秒 | 单条不支持 | $90.00 |
OmniHuman 1.5 每秒 $0.193，比 HeyGen Avatar IV 的 $0.15 高约 29%；8 秒差 $0.344，片子越长差得越多。OmniHuman 1.5 按输出秒数向上取整计费，720p、1080p、fast_mode、蒙版、seed 都不加价，分辨率可以放心选高的。提交任务时会先按 20 秒预扣 $3.86，完成后按实际秒数补扣或退差。
一句话：素材特殊、片子短，用 OmniHuman 1.5；靠台词、要长片，用 HeyGen Avatar IV。
从一个换到另一个麻烦吗？
不麻烦。两个模型都走 POST https://api.hiapi.ai/v1/tasks，同一个 API Key，都在 GET https://api.hiapi.ai/v1/tasks/{taskId} 取结果。切换只改两处：
model：omnihuman-1.5或heygen-avatar-iv。input：OmniHuman 1.5 必填image_url和audio_url，可选prompt、mask_urls、resolution、fast_mode、seed；HeyGen Avatar IV 传人像加台词与音色，或直接传audio_url。
本来就在传人像和录音的流水线，改个 model 就能切到 HeyGen Avatar IV。反过来切要补录音，记得保留录音文件或文本转语音这一步。
常见问题
OmniHuman 1.5 能用文字直接生成语音吗？
不能，必须提供 audio_url。要台词直接出声，用 HeyGen Avatar IV，台词配音色即可。
HeyGen Avatar IV 能驱动宠物或动漫角色吗？ 它面向真人照片。宠物、动漫角色、插画这类主体，用 OmniHuman 1.5。
OmniHuman 1.5 超过 60 秒怎么办？ 单条上限 60 秒。把口播拆成几段分别生成，或者整条交给 HeyGen Avatar IV，最长 600 秒。
两款都能出 1080p 吗？ 都能。OmniHuman 1.5 默认就是 1080p，720p 同价，降档并不省钱；HeyGen Avatar IV 默认 720p，1080p 需要显式选。
素材在手就直接开工：人像和录音都齐了，去 OmniHuman 1.5 模型页 传图传音出第一条；只有台词，去 HeyGen Avatar IV 选个音色让它开口。
相关阅读：OmniHuman 1.5 价格 · 5 个提示词模板 · API 接入教程
