HeyGen: Avatar IV

HeyGen: Avatar IV är en videogenereringsmodell från HeyGen, ett företag känt för sitt arbete med AI-avatarer och talking-head-video. Den tillhör kategorin video och är byggd specifikt för att animera personer, snarare än för allmän filmgenerering. Modellen släpptes av leverantören den 24 augusti 2026.

Avatar IV är en bild-till-video-modell. Den tar en enda bild och animerar den till en uttrycksfull talking-head-video med läppsynk. Dess indata omfattar text, bild och ljud, och dess enda utdata är video. Istället för att bara matcha munformer mot ord tolkar den det vokala framförandet, så den resulterande rörelsen återspeglar hur något sägs och inte bara vilka ord som sägs. Utdata kan produceras i 720p eller 1080p, i bildförhållandena 16:9, 9:16 eller 1:1. Ljudgenerering ingår inte i modellens utdata, så ljuddelen av ett klipp produceras inte av Avatar IV själv. Ingen kontextlängd anges för denna modell.

De praktiska användningsområdena följer av den kombinationen. Ett stilla porträtt plus ett manus eller ett röstspår räcker för att producera ett klipp i presentatörsstil, vilket passar tränings- och förklarande innehåll, produktgenomgångar och lokaliserade versioner av samma talare för olika målgrupper. De tre bildförhållandena gör det enkelt att rikta sig mot olika placeringar: 16:9 för vanliga videospelare och webbinbäddningar, 9:16 för vertikala flöden och 1:1 för kvadratiska format. Eftersom indata kan vara ett enda foto kan team bygga en konsekvent presentatör på skärmen utan att filma nytt material varje gång, och eftersom modellen svarar på det vokala framförandet kan samma bild förmedla mycket olika toner beroende på vilket ljud den får.

Du anropar Avatar IV via api14:s OpenAI-kompatibla API med modell-id:t "heygen/avatar-iv". Förfrågans utformning följer samma konventioner som andra modeller på gatewayen, så befintliga OpenAI-klientbibliotek och verktyg fungerar utan ändringar. Modellen accepterar text-, bild- och ljudindata och returnerar video. Inga ytterligare förfrågningsparametrar listas som stödda för denna modell, så håll förfrågningar till standardfälten och utgå inte från att leverantörsspecifika alternativ som varaktighet eller kontroll av bildrutor kommer att accepteras.

Det finns några saker att ha i åtanke när du väljer den. Avatar IV är en talking-head-modell, så den passar inte för scener utan en person, för allmän b-roll eller för arbete som behöver genererat ljud, eftersom ljudgenerering är inaktiverad. Om din uppgift är textgenerering, resonemang eller bildförståelse snarare än att producera video från ett porträtt, kommer en text- eller visionsmodell på api14 att passa dig bättre.