HeyGen Video 详解：数字人公司的通用视频模型，声画同步生成

HeyGen Video（heygen-video-1）是同时生成场景及其声音的通用视频模型。如果你熟悉的是 HeyGen 的口播数字人，这里的工作流有所不同：你描述镜头，而不是挑选数字人。HeyGen 表示，该模型以 MiniMax H3 为基础，并加入了 HeyGen 的后训练（开发者文档 (在新标签页中打开)，厂商自述，核查于 2026 年 10 月 26 日）。

实际要考虑的是：镜头是否需要生成对白，需要多长时长，以及由哪个平台计费。本文将这些决策与画质宣称分开讨论。截至 2026 年 10 月 26 日，OmniArt 尚未提供 HeyGen Video。 如果你在 OmniArt 创作，下方对比会介绍当前的视频选择及其开放的设置项。

从数字人到通用视频模型#

HeyGen 在视频模型概览 (在新标签页中打开)中将发布日期标为 2026 年 9 月 30 日（厂商自述，核查于 2026 年 10 月 26 日）。它的数字人引擎根据脚本驱动现有的讲解者；HeyGen Video 则根据场景描述生成主体、环境与声音轨道。首帧图片或一组参考素材可以引导场景生成。

如果你需要口播数字人，可以参考数字人与口型同步工作流。如果你需要产品镜头、带口语对白的场景或营造氛围的交代镜头，就应按镜头需求评估通用视频模型。共享模型基础，并不意味着 OmniArt 的 MiniMax H3 与 HeyGen Video 可以互换。

heygen-video-1 能做什么#

下表汇总了 HeyGen 开发者文档 (在新标签页中打开)，核查于 2026 年 10 月 26 日。所有规格均为厂商自述；本文没有实际调用 API 进行测试。

对开发者而言，文档中的创建接口为 POST /v3/models/videos，模型为 heygen-video-1，需要使用付费 API 密钥（厂商自述来源与核查日期同上）。API 使用权限需要单独确认，不能与应用订阅混为一谈。

两套时长说明都需要保留。 开发者文档列出了有条件的 5–30 秒范围，更新日志 (在新标签页中打开)将该扩展标记为“2026 年 10 月新增”。HeyGen 的营销概览 (在新标签页中打开)仍描述为 5–15 秒片段；fal 模型页面 (在新标签页中打开)和接口结构定义 (在新标签页中打开)也列出 5–15 秒（均为厂商／平台自述，核查于 2026 年 10 月 26 日）。本文不将这一差异归结为通用上限。规划长镜头之前，先确认使用渠道、模式和增强设置。

使用参考素材时，按用途标明输入：产品外观、运动、声音或环境。HeyGen 文档在提示词中使用 Picture 1、Video 1 等标签。将运动参考剪成需要的片段；上传更长的文件，不会让模型看到后面的动作。使用的素材应有可核实的肖像、声音和商业使用权。

原生音频与 Seed：实际工作流有何变化#

同时生成画面和声音，可以减少单独制作临时配音及口型同步的步骤。但检查也会相互关联：镜头画面可能已经可用，某个名字的读音、时间点或背景声却仍需重试。这是工作流层面的影响，并非音频质量的证据，也不代表能在同一次生成中单独替换音轨。

把对白写成自然口语，写清周围的声音，并说明是否需要音乐。检查产品几何形状、物体接触关系时，也要检查语音清晰度和时间配合。带声音的样本，既不能证明发音可稳定复现，也不能证明混音已达到客户交付标准。

HeyGen 表示，在同一次部署内，连续提交相同提示词与 Seed 会得到相同文件（Seed 文档 (在新标签页中打开)，厂商自述，核查于 2026 年 10 月 26 日）。比较创作方向时，保存完整设置、固定 Seed，每次只改一个分句。Seed 不能永久保证跨部署一致；修改提示词，也不保证其他所有细节保持不变。

读懂 HeyGen Video 的价格#

平台名称与分辨率同样重要。下表使用 HeyGen 价格概览 (在新标签页中打开)、当前模型页面 (在新标签页中打开)和 fal 文生视频页面 (在新标签页中打开)，核查于 2026 年 10 月 26 日。这些是厂商／平台公布的输出费率，并非 OmniArt 价格。

HeyGen API 的上线价格，是将其公布的半价促销应用于标准费率后得出的。高分辨率 HeyGen API 价格按公布的倍数展示，并非独立引用的绝对价格。参考生成视频需要另行核算预算：HeyGen 当前重定向后的落地页无法确定参考模式的确切费率。提交参考任务前，先确认适用的输入和输出费用；不要自行将此表套用到这些任务。

HeyGen 订阅页面 (在新标签页中打开)列出的 Creator 套餐为每月 $29，包含 HeyGen Video 1 使用权限（厂商自述，核查于 2026 年 10 月 26 日）。这项应用订阅并不是 API 按秒计费的价格。HeyGen 概览还列出了 $5 预付 API 钱包和合作渠道；这些信息不能证明各服务的设置、价格或账号权限相同。

现在需要原生音频视频：OmniArt 上的选择#

从 OmniArt 视频开始，按镜头需求选择设置项。下表依据本仓库 ef557046 的公开目录和积分计费表，核查于 2026 年 10 月 26 日；模型链接会打开对应的公开页面。音频参考输入和音频输出设置是两种不同能力。

这些是输出费率，并非适用于所有任务的总费用。参考视频会改变 Seedance 2.5 的计费，并增加按输入时长收取的费用；H3 与 H3 Max 也有参考素材费用。添加输入后，查看界面显示的预估费用。OmniArt 积分和第三方 API 的美元费用是不同的计费单位；此表不做汇率或画质比较。

Seedance 2.5 的参考模式需要图片或视频。单条视频／音频参考必须为 2–30 秒，两类素材各有独立的 30 秒总时长预算；参考音频支持 MP3/WAV。上述目录与运行时限制核查于 2026 年 10 月 26 日。

如果需要较长的场景、多项参考素材及声音，可以考虑 Seedance 2.5。其公开页面确认原生音频无需开关。如果是较短场景，且需要选择是否生成音频，可以比较 Veo 3.1 的设置。MiniMax H3 适合参考素材主导的视觉创作，但不能将其音频参考输入视为原生音频输出的承诺。Grok Imagine 1.5 适用于已有起始静态图片的场景；不要假设名称相近的其他版本具有相同设置项。

下面的 Seedance 2.5 提示词描述了带对白的简单场景。卡片会打开模型并复制文字；时长、分辨率和构图需要你在工作台自行设置。设置标签不会自动添加参考素材或配置请求。

按相同验收标准比较每次完整尝试：说出的词句、时间配合、形状与镜头连续性。如果最终人声或混音必须精确，记得预留后期编辑空间，不要将生成的声音等同于可交付的成品声音。

后续关注#

留意营销概览和 fal 是否突破当前标注的 5–15 秒，以及它们的设置项是否与开发者文档一致。在准备使用的渠道确认参考模式价格。2026 年 10 月 31 日之后再次核查费率。这些尚待确认的问题，都不能据此推断 HeyGen Video 在 OmniArt 的上线日期。