Felo API PlatformFelo API Platform
بازگشت به مدل‌ها

Avatar 6 API

HeyGen: Avatar6 مدل ویدئویی آواتارمحور است که از تصویر، صدا و متن، حرکت و گفتار هماهنگ تولید می‌کند.

HeyGen: Avatar6 برای تولید ویدئوهای آواتارمحور با ورودی تصویر، ویدئو و صدا طراحی شده است. این مدل می‌تواند ظاهر، گفتار و حرکت را از یک عکس ایجاد کند و در صورت نیاز، از یک ضبط کوتاه به‌عنوان مرجع هویت استفاده کند. حرکت‌ها با محتوای صوتی و سبک صحبت‌کردن هماهنگ می‌شوند و با motion prompt می‌توان کنش و زمان‌بندی را در کنار واژه‌ها مشخص کرد.

این مدل برای آموزش مهارت، اشتراک دانش پزشکی، محتوای شبکه‌های اجتماعی، روایت تاریخی، محتوای انگیزشی و ویدئوهای تبلیغاتی مناسب است؛ به‌ویژه زمانی که محصولی کوچک باید به‌طور طبیعی در دست آواتار دیده شود. ویدئو می‌تواند تا طول مسیر صوتی ادامه یابد و خروجی پیش‌فرض1080p یا وضوح2K داشته باشد؛ خروجی بومی2K برابر با2880×1620 پیکسل نیز پشتیبانی می‌شود.

پنجره زمینه از approximately3 seconds به approximately30 seconds افزایش یافته و همگام‌سازی لب بهبود پیدا کرده است. ساخت آواتار حداقل به30 seconds و ویدئوی مرجع حداقل به2 seconds نیاز دارد؛ برای آواتار واقع‌گرایانه از افراد واقعی نیز تأیید زنده هویت و رضایت صریح لازم است.

به‌روزرسانی:

MODEL ID

heygen-avatar-6
خروجی
video

نکات برجسته

  • حرکت آگاه از زمینه
  • همگام‌سازی بهتر لب
  • خروجی بومی2K
  • ویرایش موضعی ویدئو
  • پشتیبانی از motion prompt

ارائه‌دهندگان

1 ارائه‌دهنده

قیمت API را بین ارائه‌دهندگان مقایسه کنید. یک ارائه‌دهنده را انتخاب کنید تا همه هزینه‌ها و شرایط را ببینید.

ارائه‌دهنده · جزئیات قیمت‌گذاری
دسترس‌پذیری

بنچمارک‌ها

  • آزمون تورینگ

    در این موارد، خروجی از ویدئوی واقعی قابل تشخیص نبود.

    84.4%
  • ترجیح مقایسه‌ای کنارهمی با Seedance2.5

    پاسخ‌دهندگان Avatar6 را ترجیح دادند.

    72.4%
  • ترجیح کنارهمی با استفاده از فیلم واقعی

    پاسخ‌دهندگان Avatar6 را ترجیح دادند.

    74.1%
  • آزمون شباهت به خود با Wan3.0

    کارکنان HeyGen، Avatar6 را انتخاب کردند.

    86.5%

امتیازها همان‌گونه که ارائه‌دهنده مدل منتشر کرده است.

مشخصات ویدیو

صدا · خروجی
خیر
رزولوشن‌ها
1080p / 2K

مرجع API

جزئیات پروتکل این مدل منتشر نشده است. برای الزامات یکپارچه‌سازی، مرجع API را ببینید.

مرجع API →

پارامترهای پشتیبانی‌شده

  • prompt
  • duration
  • resolution
  • aspect_ratio
  • generate_audio
  • size
  • frame_images
  • input_references
  • user
  • session_id
  • trace

پرسش‌های متداول

معرفی مدل: Avatar 6?

HeyGen: Avatar6 برای تولید ویدئوهای آواتارمحور با ورودی تصویر، ویدئو و صدا طراحی شده است. این مدل می‌تواند ظاهر، گفتار و حرکت را از یک عکس ایجاد کند و در صورت نیاز، از یک ضبط کوتاه به‌عنوان مرجع هویت استفاده کند. حرکت‌ها با محتوای صوتی و سبک صحبت‌کردن هماهنگ می‌شوند و با motion prompt می‌توان کنش و زمان‌بندی را در کنار واژه‌ها مشخص کرد. این مدل برای آموزش مهارت، اشتراک دانش پزشکی، محتوای شبکه‌های اجتماعی، روایت تاریخی، محتوای انگیزشی و ویدئوهای تبلیغاتی مناسب است؛ به‌ویژه زمانی که محصولی کوچک باید به‌طور طبیعی در دست آواتار دیده شود. ویدئو می‌تواند تا طول مسیر صوتی ادامه یابد و خروجی پیش‌فرض1080p یا وضوح2K داشته باشد؛ خروجی بومی2K برابر با2880×1620 پیکسل نیز پشتیبانی می‌شود. پنجره زمینه از approximately3 seconds به approximately30 seconds افزایش یافته و همگام‌سازی لب بهبود پیدا کرده است. ساخت آواتار حداقل به30 seconds و ویدئوی مرجع حداقل به2 seconds نیاز دارد؛ برای آواتار واقع‌گرایانه از افراد واقعی نیز تأیید زنده هویت و رضایت صریح لازم است.

هزینه استفاده چگونه محاسبه می‌شود؟

صورت‌حساب شما به ارائه‌دهنده‌ای که استفاده می‌کنید، قیمت‌های آن و میزان مصرف شما بستگی دارد. ورودی‌های طولانی‌تر یا شرایط دیگر ممکن است قیمت متفاوتی داشته باشند. صورت‌حساب بر اساس هزینه واقعی تولید محاسبه می‌شود. مبلغ نهایی را در صورت‌حساب ببینید.

چه ورودی‌هایی پشتیبانی می‌شوند؟

این مدل ورودی تصویر، ویدئو و صدا را می‌پذیرد و خروجی آن ویدئو است. ظاهر، گفتار و حرکت می‌توانند از یک عکس تولید شوند.

زمینه و طول خروجی چگونه است؟

زمینه approximately30 seconds است. تولید ویدئو محدودیت مدت ندارد و بر اساس طول مسیر صوتی ادامه پیدا می‌کند.

برای چه کارهایی مناسب است؟

برای آموزش مهارت، اشتراک دانش پزشکی، محتوای شبکه‌های اجتماعی، روایت تاریخی، محتوای انگیزشی و ویدئوهای تبلیغاتی مناسب است.

آیا می‌توان حرکت را کنترل کرد؟

بله، motion prompt تا1200 characters امکان تعیین کنش و زمان‌بندی را فراهم می‌کند و motion_expressiveness گزینه‌های default یا less دارد.

تفاوت آن با مدل‌های هم‌سری چیست؟

در فهرست منابع، مقایسه مشخصی با Avatar5، Avatar IV یا Avatar V ارائه نشده است.

مدل‌های مرتبط