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

La Video Agent API toma un solo prompt de texto y activa la orquestación autónoma de la creación de avatares, la redacción de guiones y la creación y organización de recursos visuales. Ofrece un rango completo de control preciso y, al mismo tiempo, permite total libertad creativa. Es ideal para explorar grandes volúmenes de contenido, crear videos internos y automatizar tus flujos de trabajo. Es una oferta realmente única en toda la industria.

En comparación, las Standard Video Generation APIs tienen 2 partes principales: 1) generación de videos con avatar y 2) generación de videos con plantillas. Los desarrolladores crean avatares y plantillas de video usando la plataforma web de HeyGen, que después pueden usar con la API. Aunque requiere más configuración, estas APIs ofrecen el control preciso necesario para crear recursos con alto valor de producción y consistentes con la marca. 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. Crea un grupo de avatares: Crea un grupo de avatares agrupando fotos del mismo sujeto.
3. (opcional) Entrena el grupo de avatares: una vez que tu grupo de avatares esté creado, puedes entrenar el modelo para que reconozca las características únicas del sujeto, sus expresiones y otros elementos, y así asegurar que genere avatares realistas.
4. Si quieres usar la generación de videos con plantilla para crear videos “personalizados” a escala, puedes usar o reemplazar el avatar siguiendo esta guía.

Si quieres usar la creación de videos con avatar, puedes usar / conectar el avatar siguiendo esta guía.

Sí, la API admite la creación de avatares a partir de texto puro mediante un marco descriptivo estructurado que elimina la necesidad de usar imágenes externas. Al proporcionar parámetros específicos en ocho campos obligatorios —incluyendo edad, género, etnia y estilo— la IA sintetiza una persona única en alta resolución. Por ejemplo, si eliges la etnia "Este asiático" con un estilo "Profesional" e iluminación "Cinematográfica", el motor generará una selección de Avatars 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 crear un avatar a partir de un prompt.

El sistema de plantillas está diseñado para una producción de videos tipo "mail-merge" de alta eficiencia, donde un diseño maestro funciona como contenedor de datos dinámicos. Primero, las personas crean o seleccionan una plantilla desde el Dashboard o por API y luego identifican marcadores específicos para texto, imágenes o audio. Al enviar una sola solicitud POST al endpoint de generación de la plantilla con un payload JSON de variables, el sistema crea automáticamente archivos de video únicos para cada destinatario, convirtiéndolo en el estándar de la industria para alcance comercial personalizado y onboarding de clientes a gran escala.

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

Debido a que el renderizado de video con IA de alta fidelidad es un proceso que consume muchos recursos y puede tomar varios minutos, la API está diseñada para usarse con una arquitectura asíncrona basada en eventos por medio de 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 tipo “push” cuando se dispare el evento avatar_video.success. Esto permite que tu backend se mantenga con buen rendimiento y solo procese el video —mediante el video_url proporcionado— en el momento en que esté disponible.

La API ofrece un alcance global enorme, con soporte para 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 diferentes idiomas, la plataforma ofrece funciones de "Video Translation" que pueden tomar un video existente y traducir el audio mientras vuelven a sincronizar al mismo tiempo los movimientos labiales del avatar con el nuevo idioma. Esto garantiza que la interpretación visual se vea igual de auténtica en español o japonés que en la grabación original en inglés.

HeyGen Video Translation puede soportar 175 idiomas y dialectos (según lo indicado aquí).