HeyGen: HeyGen Video

HeyGen Video adalah model pembuatan video serbaguna dari HeyGen, terdaftar di api14 dengan model id heygen/heygen-video-1. Model ini berada di kategori video dan dibuat untuk merender klip pendek, bukan untuk tugas teks atau chat. Jika Anda mengevaluasinya, hal utama yang perlu dipahami adalah bahwa ini adalah endpoint generasi: Anda memberikan materi sumber, dan model mengembalikan file video.

Di sisi input, model menerima teks, gambar, video, dan audio, sehingga Anda dapat menghasilkan klip dari prompt tertulis, still referensi, footage yang ada, atau trek audio. Satu-satunya modalitas output adalah video. Tidak ada panjang konteks yang dipublikasikan untuk model ini, jadi perencanaan berbasis token tidak berlaku di sini. Detail outputnya lebih berguna: klip dapat dirender pada 480p, 768p, atau 2K, dengan rasio aspek 21:9, 16:9, 4:3, 1:1, 3:4, dan 9:16, serta durasi dari 5 hingga 15 detik dalam langkah satu detik. Gambar first_frame dapat diberikan untuk menambatkan shot pembuka. Generasi audio tidak diaktifkan, jadi model tidak menyintesis dialog, ambience, atau efek suara sendiri.

Kemampuan tersebut mengarah ke serangkaian pekerjaan yang cukup spesifik. Klip vertikal pendek pada 9:16 untuk feed sosial, potongan persegi 1:1 untuk penempatan in-feed, dan layar lebar 16:9 atau 21:9 untuk landing page dan presentasi semuanya termasuk dalam rasio aspek yang didukung. Karena gambar first_frame diterima, Anda dapat mempertahankan tampilan yang konsisten di seluruh rangkaian klip dengan menggunakan still awal yang sama berulang kali. Karena video dan audio diterima sebagai input, Anda juga dapat bekerja dari footage yang ada atau trek yang diberikan, bukan hanya dari teks saja. Rentang 5 hingga 15 detik cocok untuk teaser, product shot, dan segmen latar yang dapat di-loop, bukan untuk narasi panjang.

Memanggilnya melalui api14 bekerja sama seperti model lain di gateway: gunakan endpoint yang kompatibel dengan OpenAI dan berikan heygen/heygen-video-1 sebagai model id. Model ini tidak mengekspos parameter request yang didukung, jadi tidak ada flag sampling atau generasi yang dapat disetel di body request. Dalam praktiknya, itu berarti kendali Anda atas hasil berasal dari input yang Anda berikan (teks prompt, gambar referensi, video sumber, audio) dan dari pengaturan output yang ditentukan model, seperti resolusi, rasio aspek, durasi, dan frame pertama.

Dua batasan perlu dipertimbangkan sebelum Anda memutuskan. Tidak ada panjang konteks untuk direncanakan, dan model tidak menghasilkan audio, jadi proyek apa pun yang bergantung pada speech sintetis, ambience, atau efek suara harus memproduksi elemen tersebut di tempat lain dan menggabungkannya setelahnya. Jika tugas Anda adalah generasi teks, penalaran, atau apa pun di luar output video, model lain di api14 akan lebih cocok. Namun, dalam pembuatan video pendek, kombinasi beberapa modalitas input, penambat frame pertama, dan beragam rasio aspek serta durasi mencakup sebagian besar kebutuhan klip yang umum.