HeyGen Avatar 6 API

heygen/avatar-6/image-to-video
1080p or 2K · 2–60 sec audio

HeyGen Avatar 6 API 把一张人物照片和 2–60 秒语音变成口型同步的说话视频,支持 1080p 和 2K。唇形、表情和手势跟随音频,画面保留照片的构图,可选的提示词还能把手势安排在指定的词上。

输入

拖拽文件、粘贴剪贴板素材,或输入 URL。 必填。1 张人物照片(JPEG、PNG 或 WebP)。

1/1 个素材

拖拽文件、粘贴剪贴板素材,或输入 URL。 必填。2–60 秒语音,最大 15 MB。

1/1 个素材

输出示例
扣费: 5 秒 × $0.145/秒 = $0.725

按音频时长向上取整到整秒,在提交时扣费。

继续使用

示例

He counts on his fingers on 'dez vezes', shrugs, then grins at the camera.

HeyGen Avatar 6 API 是什么?

HeyGen Avatar 6 是 HeyGen 于 2026 年 11 月 17 日发布的说话数字人视频模型。HeyGen Avatar 6 API 的照片生成模式把一张照片和一段语音变成时长与音频一致的说话视频。HeyGen 表示模型会理解台词含义,配合指向、数数等手势。这是HeyGen 的 Avatar 6 Quality 档位,原生 2K 渲染。

为什么选择 HeyGen Avatar 6 API?

HeyGen Avatar 6 API 用一张照片和 2–60 秒语音生成口型同步的说话视频,手势会跟着台词走。

  • 一张照片就能开口说话该模型让单张人像照片说话,唇形、表情和头部动作自然连贯。

  • 手势跟着台词走HeyGen 让 Avatar 6 按台词内容做出指向、数数等手势。

  • 提示词精确到词最多 1,200 个字符的动作提示,例如在某个词上点头,数字人会在那个词上完成动作。

  • 1080p 或 2K 输出日常内容用 1080p,追求细节用 2K;视频保留照片原有比例。

  • 任何语言的录音都能驱动法语、韩语、葡萄牙语等录音都可以驱动口型,表演由音频决定。

  • 按秒计费HeyGen Avatar 6 API 价格为1080p 每秒 20 积分($0.10),2K 每秒 29 积分($0.145),按音频时长向上取整到整秒计费。

HeyGen Avatar 6 API 支持哪些参数?

本接口必填 image_urls 和 audio_url,prompt 用来加手势提示,resolution 选择 1080p 或 2K。

参数要求说明
image_urls必填

恰好 1 个公开 HTTP(S) 照片地址,即要说话的人物。

默认值—
audio_url必填

公开 HTTP(S) 语音地址,2–60 秒,最大 15 MB;视频时长与音频一致。

默认值—
prompt可选

手势、表情、姿态的动作提示,最多 1,200 个字符。

默认值—
resolution可选

1080p 或 2K。

默认值1080p

如何调用 HeyGen Avatar 6 API?

调用步骤:提交清晰的照片和语音文件,需要时加上手势提示,再轮询任务拿到视频地址。

  1. 选一张清晰的照片光线均匀、面部完整可见的单人照片,放在公开 HTTP(S) 地址。

  2. 准备语音导出 2–60 秒的 MP3 或 WAV 语音,最大 15 MB。

  3. 安排动作可在提示词里把手势或表情对应到某个词,并选择 1080p 或 2K。

  4. 提交并取回视频提交后用 task_id 轮询状态接口,或设置 callback_url 接收结果。

HeyGen Avatar 6 API 多少钱?

HeyGen Avatar 6 API 1080p 每秒 20 积分($0.10),2K 每秒 29 积分($0.145),按音频时长计费。

用量价格说明
1080p每秒 20 积分($0.10)提交时按音频时长向上取整扣费;10 秒为 200 积分。
2K每秒 29 积分($0.145)提交时按音频时长向上取整扣费;10 秒为 290 积分。

HeyGen Avatar 6 API 适合哪些场景?

适合个人视频留言、多语言出镜讲解、课程旁白和竖屏社媒短视频。

  • 个人视频留言用同事的头像照和一段录音做成简短的说话视频。

  • 多语言出镜同一张照片配多种语言的配音,各个市场保持同一张面孔。

  • 课程与博物馆讲解让历史人物肖像或讲师照片开口讲解。

  • 社媒竖屏内容用竖版照片直接生成 9:16 的说话短视频。

HeyGen Avatar 6 使用技巧

  • 选择嘴部和眼睛清晰、面部光线均匀的照片。
  • 先把照片裁成要发布的比例,视频会保留这个比例。
  • 在提示词里用引号标出触发词,例如:在 'welcome' 上微笑。
  • 剪掉音频首尾的静音,计费按音频全长计算。

注意事项

  • image_urls 只传 1 张图片,audio_url 只传 1 个音频(2–60 秒,最大 15 MB)。
  • 视频时长跟随音频,画面比例跟随照片。
  • 任务异步执行:提交成功返回 task_id,可轮询或通过回调获取结果。

参考来源

本页的模型信息来自 HeyGen 官方发布(引文为中文译文):

“只要给它一张照片,它就能生成一段视频,让你像自己那样演绎脚本。”

— HeyGen, HeyGen Avatar 6: AI Avatar Model That Looks Like You

“与真实录像并排对比时,评审有 42.2% 的时候把 Avatar 6 选为真实视频。”

— HeyGen Research, HeyGen Avatar 6 Technical Report,

HeyGen Avatar 6 API 常见问题

HeyGen Avatar 6 API 的照片生成模式是什么?

HeyGen Avatar 6 是 HeyGen 于 2026 年 11 月 17 日发布的说话数字人模型。HeyGen Avatar 6 API 的照片生成模式把一张人物照片和 2–60 秒语音变成口型同步的说话视频,支持 1080p 和 2K,表情和手势跟随音频。照片决定人物外观和构图,最多 1,200 个字符的提示词可以把手势安排在指定的词上。调用时使用模型 ID heygen/avatar-6/image-to-video,也可以在上方体验区直接试用。

HeyGen Avatar 6 API 怎么收费?

HeyGen Avatar 6 价格为1080p 每秒 20 积分($0.10),2K 每秒 29 积分($0.145),按音频时长向上取整到整秒计费;1080p 的 10 秒视频为 200 积分($1.00)。

HeyGen Avatar 6 API 支持多长的音频?

2 到 60 秒,最大 15 MB,视频时长与音频一致。

什么样的照片适合 HeyGen Avatar 6 API?

清晰、光线均匀、面部和嘴部完整可见的单人照片;输出保留照片比例。

HeyGen Avatar 6 API 的提示词能控制什么?

手势、表情和姿态。把动作对应到某个词,例如在 'great' 上竖大拇指,数字人就会在那个词上完成。

HeyGen Avatar 6 和 HeyGen Avatar 6 Turbo 有什么区别?

HeyGen Avatar 6 是 HeyGen 的 Quality 档位;HeyGen Avatar 6 Turbo 参数相同,运行在低延迟推理栈上,1080p 价格减半。

如何调用 HeyGen Avatar 6 API?

向 https://api.vidgo.ai/api/generate/submit 发送 POST 请求,model 填 heygen/avatar-6/image-to-video,带上 image_urls 和 audio_url,再轮询 /api/generate/status/{task_id} 或设置 callback_url。