HeyGen: Avatar IV

HeyGen: Avatar IV ist ein Videogenerierungsmodell von HeyGen, einem Unternehmen, das für seine Arbeit an KI-Avataren und Talking-Head-Videos bekannt ist. Es gehört zur Kategorie Video und wurde speziell für die Animation von Personen entwickelt, nicht für die allgemeine Generierung von Filmmaterial. Das Modell wurde vom Anbieter am 24. August 2026 veröffentlicht.

Avatar IV ist ein Image-to-Video-Modell. Es nimmt ein einzelnes Foto und animiert es zu einem ausdrucksstarken Talking-Head-Video mit Lippensynchronisation. Seine Eingaben umfassen Text, Bild und Audio, und seine einzige Ausgabe ist Video. Statt nur Mundformen auf Wörter abzustimmen, interpretiert es die stimmliche Darbietung, sodass die resultierende Bewegung widerspiegelt, wie etwas gesagt wird und nicht nur, welche Wörter gesprochen werden. Die Ausgabe kann in 720p oder 1080p erzeugt werden, in den Seitenverhältnissen 16:9, 9:16 oder 1:1. Die Audiogenerierung ist nicht Teil der Ausgabe des Modells, daher wird die Audioseite eines Clips nicht von Avatar IV selbst erzeugt. Für dieses Modell ist keine Kontextlänge angegeben.

Die praktischen Einsatzmöglichkeiten ergeben sich aus dieser Kombination. Ein Standporträt plus ein Skript oder eine Audiospur genügen, um einen Clip im Präsentator-Stil zu erzeugen, was für Trainings- und Erklärinhalte, Produktvorführungen und lokalisierte Versionen desselben Sprechers für verschiedene Zielgruppen geeignet ist. Die drei Seitenverhältnisse machen es einfach, verschiedene Platzierungen anzusprechen: 16:9 für Standard-Videoplayer und Web-Einbettungen, 9:16 für vertikale Feeds und 1:1 für quadratische Formate. Da die Eingabe ein einzelnes Foto sein kann, können Teams einen konsistenten Präsentator auf dem Bildschirm aufbauen, ohne jedes Mal neues Filmmaterial zu drehen, und da das Modell auf die stimmliche Darbietung reagiert, kann dasselbe Bild je nach gegebenem Audio sehr unterschiedliche Tonalitäten transportieren.

Sie rufen Avatar IV über die OpenAI-kompatible API von api14 mit der Modell-ID "heygen/avatar-iv" auf. Die Anfrageform folgt denselben Konventionen wie bei anderen Modellen auf dem Gateway, sodass bestehende OpenAI-Client-Bibliotheken und -Tools ohne Änderungen funktionieren. Das Modell akzeptiert Text-, Bild- und Audioeingaben und gibt Video zurück. Es sind keine zusätzlichen Anfrageparameter aufgeführt, die für dieses Modell unterstützt werden, daher sollten Sie Anfragen auf die Standardfelder beschränken und nicht davon ausgehen, dass anbieterspezifische Optionen wie Dauer oder Frame-Image-Steuerungen akzeptiert werden.

Es gibt ein paar Dinge, die Sie bei der Auswahl beachten sollten. Avatar IV ist ein Talking-Head-Modell, daher ist es nicht die richtige Wahl für Szenen ohne eine Person, für allgemeines B-Roll oder für Arbeiten, die generiertes Audio benötigen, da die Audiogenerierung deaktiviert ist. Wenn Ihre Aufgabe Textgenerierung, Reasoning oder Bildverständnis ist statt der Erzeugung von Video aus einem Porträt, wird ein Text- oder Vision-Modell auf api14 Ihnen besser dienen.