HeyGen Avatar IV API：上传一张人像照片，用台词或自己的音频驱动开口说话，口型自然同步，适合产品讲解、课程录制和短视频口播，可在线试用并查看实时价格。
提供商: HeyGen
类型: 视频生成
接口: /v1/tasks
状态: 已开放
消耗: 查看页面实时价格
HeyGen Avatar IV API：上传一张人像照片，用台词或自己的音频驱动开口说话，口型自然同步，适合产品讲解、课程录制和短视频口播，可在线试用并查看实时价格。
定价
标准用量
模型参数暂时无法加载
为避免提交不完整请求，完整参数恢复前不会显示半套表单。
用图片控制视频的开始和结束画面。
准备生成
配置参数并点击"运行"查看输出结果。
看照片里的人如何按台词或录音开口，口型、眨眼和点头怎样跟随语音，以及照片比例和输出画幅不同时画面如何填充。
台词配音
照片提供人物和场景，台词与预置声音决定说什么、怎么说。输出保留照片里的毛衣、发型和背景，口型、眨眼和轻微点头随语音自然变化。
台词
Hi, I'm Lin. With one photo and a short script, I can present your product or record a lesson, with natural lip-sync and expressions.
竖版口播
照片本身就是 9:16，输出同样选 9:16，画面不留白。适合把达人或店员照片做成新品介绍、种草类短视频口播。
台词
I've been using these new earbuds for a week. The noise canceling is super quiet, and the battery lasts all day. Follow me for more.
商务讲解
办公室背景的半身照，配一个稳重的男声，做成季度汇报或方案讲解。台词更新后重新生成即可，不用每次重新录制。
台词
Hi, I'm Daniel. Send me your quarterly numbers, and I'll walk your team through what changed and what to do next.
1:1 方形
照片和输出都是 1:1，适合信息流和社群里的方形视频。选一个语气平稳的声音，更贴合科普和提醒类内容。
台词
When the seasons change, mornings get chilly, so bring a jacket. If a cough lasts more than a week, please come see us at the clinic.
音频驱动
不写台词，直接上传录音，口型和停顿都跟着录音走。竖版照片配 9:16 输出，画面没有留白。
驱动音频
一段约 10 秒的英文录音，口型跟着录音走。
3D 角色
输入不一定是真人照片，插画或 3D 渲染的人物形象也可以，只要有一张清晰的人脸。适合品牌虚拟形象、卡通讲师等内容。
台词
Tonight's special is a slow-roasted tomato soup. It's simple, warm, and ready in twenty minutes. Let's cook!
图片背景
照片是 16:9，输出选 9:16，人像以外的区域用指定的背景图填充。这里用一张黑板图，把老师的讲解做成课程风格的竖屏视频。
台词
Hello everyone. Today we'll explain the Pythagorean theorem in five minutes. In a right triangle, the squares of the two legs add up to the square of the hypotenuse.
需要预置数字人、整段动作迁移或普通图生视频时，HiAPI 上还有这些模型可选。
提供商
输入照片
驱动方式
画幅
分辨率
背景
输出
接口
价格
三步把一张照片变成说话视频：准备照片、决定说什么、提交任务。先用 720p 和一句短台词验证效果，再出正式版本。
选正脸清晰、五官无遮挡、光线均匀的单人照片，作为 image_url。
台词配音：填 prompt 并选 voice。音频驱动：只传 audio_url。再按投放位置选画幅，画幅和照片不同时可设置背景。
通过 heygen-avatar-iv 创建异步任务，用 callback.url 或 GET /v1/tasks/:id 获取结果，费用按实际秒数结算。
一个 POST /v1/tasks 请求即可提交照片数字人视频任务；完整参数、回调与错误处理见 API 文档。
curl -X POST "https://api.hiapi.ai/v1/tasks" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "heygen-avatar-iv",
"input": {
"image_url": "https://example.com/portrait.png",
"prompt": "Hi, I'm Lin. With one photo and a short script, I can present your product or record a lesson, with natural lip-sync and expressions.",
"voice": "Cute Chloe - Friendly",
"resolution": "1080p",
"aspect_ratio": "16:9"
}
}'HEYGEN AVATAR IV API
HeyGen Avatar IV 是 HeyGen 的照片数字人引擎：上传一张正脸清晰的人像，再给一段台词或一段音频，就能得到这个人开口说话的视频。不需要先录真人素材、也不需要训练专属形象，照片本身就是出镜人。
照片决定人物长相、服装和所在场景，台词或音频决定说什么和说话节奏。模型负责口型同步，并补上眨眼、点头和自然的面部动作，让静态照片看起来像在镜头前讲话。
它适合手里已有讲师、代言人或店员照片，需要持续产出讲解、培训和口播视频的团队。台词改了只需重新生成，不用重新约人拍摄。
从选照片、决定说什么，到让画面适配投放位置，分别看 Avatar IV 的表现。
01
Avatar IV 直接驱动你上传的照片，而不是换成模型自带的形象。照片里的发型、衣服、背景和光线都会保留到视频里，适合让品牌代言人、讲师或店员用自己的形象出镜。
照片越清晰效果越稳：正脸、五官无遮挡、光线均匀、嘴巴自然闭合最理想；侧脸、戴口罩或多人合照不适合。插画和 3D 角色同样可以，但需要一张清晰的人脸，动物等非人类形象可能无法识别。
02
台词配音：填一段文字（中文、英文都可以），从 102 个预置声音里选一个，系统生成配音并同步口型，适合批量制作讲解和通知类视频。不选声音时使用默认的 Warm Pro Narrator。
音频驱动：上传已有录音（最长 600 秒），口型直接跟着录音走，适合要保留本人声音、方言或专业配音的内容。两种方式每次只能选一种。
03
输出支持 16:9、9:16、4:5、5:4、1:1 和 auto，auto 沿用照片本身的比例。分辨率可选 720p 或 1080p。
当选的画幅和照片比例不同，人像以外的区域会被填充：可以指定纯色或一张背景图，不指定时为白色。这样一张横版照片也能直接投放到竖屏信息流。
用客服或产品经理的照片批量生成功能介绍、操作说明和常见问题解答视频，文字更新后重新生成即可。
讲师只需提供一张照片和讲稿，就能产出章节导读、知识点讲解等短视频，减少反复录制。
竖版照片配 9:16 输出，直接做成种草、新品介绍类口播素材，适合多账号、多语种批量投放。
已有播客片段、方言配音或专业录音时，用音频驱动让照片里的人开口，声音完全是你提供的那段。
三个模型都能让人物开口或动起来，区别在于出镜人从哪里来、动作由什么决定。
HeyGen Avatar IV
你有一张自己的人像照片，想让照片里的人开口讲话。
HeyGen Avatar V
不需要自己的形象，从 497 个预置数字人里挑一个出镜，并需要透明背景或 SRT 字幕。
Kling 3.0 Motion Control
要把一段参考视频里的动作、手势和舞步迁移到照片人物身上，而不只是说话。
在 HiAPI 上，每条生成的视频、对应的参数和费用都会记在你的账户里，方便回看效果、复用参数和核对开支。
生成的视频可在产物记录中查看和下载，方便挑出效果最好的一版用于剪辑和投放。
费用按生成视频的实际秒数结算，失败任务全额退回，每笔消费都能在用量记录里查到。
同一个 Key 也能调用图像、语音和其他视频模型，方便先生成人像再做口播。
一张人像照片，再选一种驱动方式：输入台词并选择声音，或上传一段音频。用台词时不选声音，会使用默认声音 Warm Pro Narrator。
正脸、五官清晰无遮挡、光线均匀、嘴巴自然闭合的单人照片效果最稳。侧脸、戴口罩、多人合照或面部很小的照片不适合。
不需要传时长。台词配音时长度由台词和语速决定；音频驱动时与上传的音频长度一致，音频最长 600 秒。
画幅支持 16:9、9:16、4:5、5:4、1:1 和 auto（沿用照片比例）；分辨率支持 720p 和 1080p。
只有输出画幅和照片比例不同、画面出现留白时，背景才会显示。可以选纯色（#RRGGBB）或一张背景图，不设置时为白色。
Avatar IV 驱动你自己上传的照片；Avatar V 从 497 个预置数字人里选择形象，并额外支持透明背景 WebM、移除背景和 SRT 字幕。
按生成视频的实际秒数计费。创建任务时按估算时长预扣，完成后按实际秒数结算，失败任务全额退回；单价见本页实时价格。
