HeyGen: HeyGen Video

HeyGen Video es un modelo de generación de video de propósito general de HeyGen, listado en api14 bajo el id de modelo heygen/heygen-video-1. Se ubica en la categoría de video y está diseñado para renderizar clips cortos en lugar de tareas de texto o chat. Si lo estás evaluando, lo principal que debes entender es que es un endpoint de generación: le entregas material de origen y devuelve un archivo de video.

Del lado de la entrada, el modelo acepta texto, imágenes, video y audio, por lo que puedes generar un clip a partir de un prompt escrito, una imagen de referencia, metraje existente o una pista de audio. La única modalidad de salida es video. No hay una longitud de contexto publicada para este modelo, así que la planificación basada en tokens no aplica aquí. Los detalles de salida son más útiles: los clips se pueden renderizar en 480p, 768p o 2K, en relaciones de aspecto de 21:9, 16:9, 4:3, 1:1, 3:4 y 9:16, y las duraciones van de 5 a 15 segundos en pasos de un segundo. Se puede proporcionar una imagen first_frame para anclar la toma inicial. La generación de audio no está habilitada, por lo que el modelo no sintetiza diálogo, ambiente ni efectos de sonido por sí solo.

Esas capacidades apuntan a un conjunto bastante específico de trabajos. Clips verticales cortos en 9:16 para feeds sociales, cortes cuadrados en 1:1 para ubicaciones dentro del feed, y formatos panorámicos en 16:9 o 21:9 para páginas de destino y presentaciones caen dentro de las relaciones de aspecto soportadas. Como se acepta una imagen first_frame, puedes mantener una apariencia consistente a lo largo de una serie de clips reutilizando la misma imagen inicial. Como se aceptan video y audio como entradas, también puedes trabajar desde metraje existente o una pista proporcionada en lugar de partir solo de texto. El rango de 5 a 15 segundos se adapta a teasers, tomas de producto y segmentos de fondo en bucle más que a narrativas de formato largo.

Llamarlo a través de api14 funciona igual que con cualquier otro modelo en el gateway: usa el endpoint compatible con OpenAI y pasa heygen/heygen-video-1 como el id de modelo. El modelo no expone parámetros de solicitud soportados, por lo que no hay flags de muestreo o generación que ajustar en el cuerpo de la solicitud. En la práctica, eso significa que tu control sobre el resultado proviene de las entradas que proporcionas (texto del prompt, imagen de referencia, video de origen, audio) y de la configuración de salida que define el modelo, como resolución, relación de aspecto, duración y el primer fotograma.

Vale la pena sopesar dos límites antes de comprometerte. No hay una longitud de contexto que planificar, y el modelo no genera audio, por lo que cualquier proyecto que dependa de habla sintetizada, ambiente o efectos de sonido necesitará que esos elementos se produzcan en otro lugar y se combinen después. Si tu tarea es generación de texto, razonamiento o cualquier cosa fuera de la salida de video, un modelo diferente en api14 encajará mejor. Dentro de la generación de video de formato corto, sin embargo, la combinación de múltiples modalidades de entrada, un ancla de primer fotograma y una amplia variedad de relaciones de aspecto y duraciones cubre la mayoría de los requisitos comunes de clips.