Der wesentliche Unterschied liegt im Verhältnis zwischen Automatisierung und detaillierter Steuerung.

Die Video Agent API nimmt eine einzelne Texteingabe entgegen und löst die autonome Orchestrierung der Avatar-Erstellung, Texterstellung sowie die Erstellung und Anordnung visueller Assets aus. Sie bietet eine umfassende Bandbreite präziser Steuerungsmöglichkeiten und erlaubt gleichzeitig vollständige kreative Freiheit. Ideal für umfangreiche Content-Exploration, interne Videoproduktion und Automatisierung. Sie ist ein wirklich einzigartiges Angebot in der gesamten Branche.

Im Vergleich dazu bestehen die Standard Video Generation APIs aus zwei Hauptkomponenten: 1) Avatar-Videoerstellung und 2) Vorlagenbasierte Videoerstellung. Entwickler erstellen Avatare und Videovorlagen über die HeyGen-Webplattform, die anschließend von der API genutzt werden können. Auch wenn dafür mehr Einrichtung erforderlich ist, bieten diese APIs die präzise Steuerung, die für markenkonsistente Assets mit hoher Produktionsqualität nötig ist. Unternehmenskunden haben damit bereits Millionen von Videos erstellt, um ihre Content-Pipelines zu automatisieren.

Ja, hier sind die Schritte zur Verwendung der Photo Avatar API

1. Vorhandene Fotos hochladen (über Upload Asset API)
2. Erstellen Sie eine Avatar-Gruppe: Erstellen Sie eine Avatar-Gruppe, indem Sie Fotos derselben Person gruppieren.
3. (optional) Trainieren Sie die Avatar-Gruppe: Sobald Ihre Avatar-Gruppe erstellt wurde, können Sie das Modell trainieren, damit es die einzigartigen Merkmale, Gesichtsausdrücke und andere Elemente der Person erkennt und so realistische Avatare erzeugt.
4. Wenn Sie die Vorlagen-Videoerstellung nutzen möchten, um personalisierte Videos in großem Umfang zu erstellen, können Sie den Avatar verwenden oder austauschen, indem Sie dieser Anleitung folgen.

Wenn du die Avatar-Videoerstellung nutzen möchtest, kannst du den Avatar einbinden, indem du dieser Anleitung folgst.

Ja, die API unterstützt die reine Text-zu-Avatar-Generierung über ein strukturiertes, beschreibendes Framework, das den Bedarf an externen Bildassets überflüssig macht. Indem Sie spezifische Parameter in acht Pflichtfeldern angeben – darunter Alter, Geschlecht, Ethnie und Stil – erzeugt die KI eine einzigartige, hochauflösende Persona. Wenn Sie zum Beispiel die Ethnie „Ostasiatisch“ mit einem „Professionellen“ Stil und „Kinematischer“ Beleuchtung auswählen, veranlasst dies die Engine, eine Auswahl einzigartiger Avatare und Looks zurückzugeben, sodass Unternehmen vielfältige Darstellerbibliotheken in großem Maßstab aufbauen können, die in der realen Welt nicht existieren.

Sie können der Anleitung hier für Prompt-zu-Avatar folgen.

Das Vorlagensystem ist für hocheffiziente Videoerstellung im „Serienbrief“-Stil konzipiert, bei der ein Master-Layout als Container für dynamische Daten dient. Nutzer erstellen oder wählen zunächst eine Vorlage über das Dashboard oder die API und definieren dann gezielt Platzhalter für Text, Bilder oder Audio. Durch das Senden einer einzelnen POST-Anfrage an den Generate-Endpunkt der Vorlage mit einer JSON-Nutzlast von Variablen rendert das System automatisch individuelle Videodateien für jeden Empfänger. So ist es zum Branchenstandard für personalisierte Vertriebsansprachen und maßgeschneiderte Kunden-Onboarding-Prozesse in großem Maßstab geworden.

Um den höchstmöglichen Grad an Realismus und Lippen­synchronität zu gewährleisten, besteht der empfohlene „Golden Path“ darin, die default_voice_id eines bestimmten Avatars programmatisch abzurufen und zu verwenden. Diese Methode stellt sicher, dass die stimmlichen Eigenschaften – wie Geschlecht, Tonlage und regionaler Akzent – bereits optimal auf die visuelle Persona dieses Avatars abgestimmt sind und so das Risiko eines „Uncanny Valley“-Effekts deutlich verringert wird. Wenn eine benutzerdefinierte Stimme benötigt wird, sollten Entwickler die v2/voices-Liste stets anhand der Metadaten des Avatars filtern, um die audiovisuelle Konsistenz zu wahren.

Da das Rendern von hochauflösenden KI-Videos ein ressourcenintensiver Prozess ist, der mehrere Minuten dauern kann, ist die API für eine asynchrone, ereignisgesteuerte Architektur über Webhooks ausgelegt. Anstatt eine offene Verbindung aufrechtzuerhalten (was zu Timeouts führt), sollte Ihre Anwendung eine Webhook-URL registrieren, um eine automatische Push-Benachrichtigung zu erhalten, sobald das Ereignis avatar_video.success ausgelöst wird. So bleibt Ihr Backend performant und verarbeitet das Video – über die bereitgestellte video_url – genau in dem Moment, in dem es verfügbar wird.

Die API bietet eine enorme globale Reichweite und unterstützt über 40 Sprachen sowie eine Bibliothek mit mehr als 300 unterschiedlichen Stimmen, was eine nahtlose Kommunikation über Ländergrenzen hinweg ermöglicht. Über einfaches Text-to-Speech in verschiedenen Sprachen hinaus bietet die Plattform „Video Translation“-Funktionen, mit denen ein vorhandenes Video übernommen, die Audiospur übersetzt und gleichzeitig die Lippenbewegungen des Avatars an die neue Sprache angepasst werden. So bleibt die visuelle Darstellung auf Spanisch oder Japanisch genauso authentisch wie in der ursprünglichen englischen Aufnahme.

HeyGen Video Translation kann 175 Sprachen und Dialekte unterstützen (laut dieser Quelle).