La principal diferencia radica en el equilibrio entre la automatización y el control detallado.

La API de Video Agent toma una única instrucción de texto y activa la orquestación autónoma de la creación de avatares, la redacción de guiones y la creación y maquetación de recursos visuales. Ofrece un amplio abanico de controles precisos y, al mismo tiempo, permite una libertad creativa total. Ideal para una exploración masiva de contenidos, la creación interna de vídeos y la automatización. Es una oferta verdaderamente única en todo el sector.

En comparación, las APIs Estándar de Generación de Video tienen 2 partes principales: 1) Generación de Video con Avatar y 2) Generación de Video con Plantillas. Los desarrolladores crean Avatares y Plantillas de Video usando la plataforma web de HeyGen, que luego pueden utilizarse mediante la API. Aunque requiere una configuración más extensa, estas APIs proporcionan el control preciso necesario para obtener recursos coherentes con la marca y de alto valor de producción. Los clientes empresariales han creado millones de videos con ellas para automatizar sus flujos de contenido.

Sí, aquí tienes los pasos para usar la API de Photo Avatar

1. Sube fotos existentes (a través de Upload Asset API)
2. Crear un grupo de avatares: Crea un grupo de avatares agrupando fotos del mismo sujeto.
3. (opcional) Entrena el grupo de avatares: Una vez que se haya creado tu grupo de avatares, puedes entrenar el modelo para que reconozca las características únicas del sujeto, sus expresiones y otros elementos, a fin de garantizar que genere avatares realistas.
4. Si quieres utilizar la generación de vídeos con plantillas para crear vídeos “personalizados” a gran escala, puedes usar o reemplazar el avatar siguiendo esta guía.

Si quieres usar la Generación de Video con Avatar, puedes usar o integrar el avatar siguiendo esta guía.

Sí, la API admite la generación de avatares a partir de texto puro mediante un marco descriptivo estructurado que elimina la necesidad de recursos de imagen externos. Al proporcionar parámetros específicos en ocho campos obligatorios —incluida la edad, el género, la etnia y el estilo— la IA sintetiza una persona única y de alta resolución. Por ejemplo, al seleccionar la etnia "Este Asiático" con un estilo "Profesional" e iluminación "Cinematográfica", el motor devolverá una selección de Avatares y Looks únicos, lo que permite a las empresas escalar bibliotecas de elencos diversos que no existen en el mundo real.

Puedes seguir la guía aquí para la función de texto a avatar.

El sistema de plantillas está diseñado para una producción de vídeo de alta eficiencia al estilo «mail-merge», en la que un diseño maestro actúa como contenedor de datos dinámicos. Primero, los usuarios crean o seleccionan una plantilla a través del Panel de control o la API y, a continuación, identifican marcadores específicos para texto, imágenes o audio. Al enviar una única solicitud POST al endpoint de generación de la plantilla con una carga útil JSON de variables, el sistema genera automáticamente archivos de vídeo únicos para cada destinatario, lo que lo convierte en el estándar del sector para la prospección de ventas personalizada y la incorporación de clientes a gran escala de forma personalizada.

Para garantizar el máximo nivel de realismo y precisión en la sincronización labial, la «Ruta Dorada» recomendada es recuperar y utilizar de forma programática el default_voice_id asociado a un avatar específico. Este método asegura que las características vocales —como el género, el tono y el acento regional— ya estén optimizadas para la personalidad visual de ese avatar, lo que reduce significativamente el riesgo de efectos de «valle inquietante». Si se necesita una voz personalizada, los desarrolladores siempre deben filtrar la lista v2/voices para que coincida con los metadatos del avatar y así mantener la coherencia audiovisual.

Dado que el renderizado de vídeo con IA de alta fidelidad es un proceso que consume muchos recursos y puede tardar varios minutos, la API está diseñada para utilizarse con una arquitectura asíncrona y orientada a eventos mediante Webhooks. En lugar de mantener una conexión abierta (lo que provoca timeouts), tu aplicación debe registrar una URL de webhook para recibir una notificación automática de tipo "push" cuando se dispare el evento avatar_video.success. Esto permite que tu backend siga siendo eficiente y solo procese el vídeo —a través del video_url proporcionado— en el momento en que esté disponible.

La API ofrece un alcance global enorme, con compatibilidad con más de 40 idiomas y una biblioteca de más de 300 voces diversas, lo que permite una comunicación fluida entre países. Más allá de la simple conversión de texto a voz en distintos idiomas, la plataforma incluye funciones de "Video Translation" que pueden tomar un vídeo existente y traducir el audio mientras vuelven a sincronizar simultáneamente los movimientos de labios del avatar con el nuevo idioma. Esto garantiza que la interpretación visual resulte tan auténtica en español o japonés como en la grabación original en inglés.

HeyGen Video Translation puede admitir 175 idiomas y dialectos (según aquí)