HeyGen: Avatar IV

HeyGen: Avatar IV adalah model pembuatan video dari HeyGen, sebuah perusahaan yang dikenal karena karyanya pada avatar AI dan video talking-head. Model ini berada di kategori video dan dibangun khusus untuk menganimasikan orang, bukan untuk pembuatan footage serbaguna. Model ini dirilis oleh penyedia pada 24 Agustus 2026.

Avatar IV adalah model image-to-video. Model ini mengambil satu foto dan menganimasikannya menjadi video talking-head yang ekspresif dan selaras bibir. Inputnya mencakup teks, gambar dan audio, dan satu-satunya outputnya adalah video. Alih-alih hanya mencocokkan bentuk mulut dengan kata-kata, model ini menafsirkan performa vokal, sehingga gerakan yang dihasilkan mencerminkan bagaimana sesuatu diucapkan dan bukan hanya kata-kata apa yang diucapkan. Output dapat dihasilkan pada 720p atau 1080p, dalam rasio aspek 16:9, 9:16 atau 1:1. Pembuatan audio bukan bagian dari output model ini, jadi sisi audio dari sebuah klip tidak dihasilkan oleh Avatar IV sendiri. Tidak ada panjang konteks yang ditentukan untuk model ini.

Kegunaan praktisnya mengikuti kombinasi tersebut. Potret diam ditambah skrip atau trek suara sudah cukup untuk menghasilkan klip bergaya presenter, yang cocok untuk konten pelatihan dan penjelasan, panduan produk, dan versi terlokalisasi dari pembicara yang sama untuk audiens yang berbeda. Tiga rasio aspek membuatnya mudah untuk menargetkan penempatan yang berbeda: 16:9 untuk pemutar video standar dan embed web, 9:16 untuk feed vertikal, dan 1:1 untuk format persegi. Karena inputnya bisa berupa satu foto, tim dapat membangun presenter di layar yang konsisten tanpa merekam footage baru setiap kali, dan karena model ini merespons penyampaian vokal, gambar yang sama dapat membawa nada yang sangat berbeda tergantung pada audio yang diberikan.

Anda memanggil Avatar IV melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "heygen/avatar-iv". Bentuk permintaan mengikuti konvensi yang sama seperti model lain di gateway, sehingga pustaka klien dan perkakas OpenAI yang ada berfungsi tanpa perubahan. Model ini menerima input teks, gambar dan audio serta mengembalikan video. Tidak ada parameter permintaan tambahan yang terdaftar sebagai didukung untuk model ini, jadi batasi permintaan pada field standar dan hindari mengasumsikan opsi khusus penyedia seperti kontrol durasi atau frame-image akan diterima.

Ada beberapa hal yang perlu diingat saat memilihnya. Avatar IV adalah model talking-head, jadi model ini tidak cocok untuk adegan tanpa orang, untuk b-roll umum, atau untuk pekerjaan yang membutuhkan audio yang dihasilkan, karena pembuatan audio dinonaktifkan. Jika tugas Anda adalah pembuatan teks, penalaran atau pemahaman gambar dan bukan menghasilkan video dari potret, model teks atau vision di api14 akan melayani Anda dengan lebih baik.