HeyGen: HeyGen Video

HeyGen Video é um modelo de geração de vídeo de uso geral da HeyGen, listado na api14 sob o id de modelo heygen/heygen-video-1. Ele está na categoria de vídeo e foi criado para renderizar clipes curtos, e não para tarefas de texto ou chat. Se você está avaliando-o, o principal a entender é que ele é um endpoint de geração: você fornece o material de origem e ele retorna um arquivo de vídeo.

No lado da entrada, o modelo aceita texto, imagens, vídeo e áudio, então você pode gerar um clipe a partir de um prompt escrito, uma imagem de referência, filmagem existente ou uma faixa de áudio. A única modalidade de saída é vídeo. Não há comprimento de contexto publicado para este modelo, então o planejamento baseado em tokens não se aplica aqui. Os detalhes de saída são mais úteis: os clipes podem ser renderizados em 480p, 768p ou 2K, em proporções de aspecto de 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16, e as durações variam de 5 a 15 segundos em passos de um segundo. Uma imagem first_frame pode ser fornecida para ancorar o plano de abertura. A geração de áudio não está habilitada, então o modelo não sintetiza diálogo, ambiente ou efeitos sonoros por conta própria.

Essas capacidades apontam para um conjunto bastante específico de trabalhos. Clipes verticais curtos em 9:16 para feeds sociais, cortes quadrados 1:1 para posicionamentos em feed e widescreen 16:9 ou 21:9 para landing pages e apresentações estão todos dentro das proporções de aspecto suportadas. Como uma imagem first_frame é aceita, você pode manter uma aparência consistente em uma série de clipes reutilizando a mesma imagem inicial. Como vídeo e áudio são aceitos como entradas, você também pode trabalhar a partir de filmagem existente ou de uma faixa fornecida, em vez de começar apenas com texto. A faixa de 5 a 15 segundos é adequada para teasers, imagens de produto e segmentos de fundo em loop, e não para narrativas de longa duração.

Chamá-lo pela api14 funciona da mesma forma que qualquer outro modelo no gateway: use o endpoint compatível com OpenAI e passe heygen/heygen-video-1 como o id de modelo. O modelo não expõe parâmetros de requisição suportados, então não há flags de amostragem ou geração para ajustar no corpo da requisição. Na prática, isso significa que seu controle sobre o resultado vem das entradas que você fornece (texto do prompt, imagem de referência, vídeo de origem, áudio) e das configurações de saída que o modelo define, como resolução, proporção de aspecto, duração e o primeiro quadro.

Dois limites vale a pena considerar antes de se comprometer. Não há comprimento de contexto para planejar, e o modelo não gera áudio, então qualquer projeto que dependa de fala sintetizada, ambiente ou efeitos sonoros precisará desses elementos produzidos em outro lugar e combinados depois. Se sua tarefa é geração de texto, raciocínio ou qualquer coisa fora da saída de vídeo, um modelo diferente na api14 se encaixará melhor. Dentro da geração de vídeo de formato curto, porém, a combinação de múltiplas modalidades de entrada, uma âncora de primeiro quadro e uma ampla variedade de proporções de aspecto e durações cobre a maioria dos requisitos comuns de clipes.