No.1のテキスト動画生成モデル

HeyGen Videoは、MiniMax H3を基盤とし、HeyGenによる追加学習を施した汎用AI動画モデルです。プロンプトから、被写体、背景、照明、音声を含むシーン全体を、5～15秒のクリップとして生成します。テキストから動画、画像から動画、参照素材から動画という3つのモードに対応しています。HeyGenでは、AIデジタルツインや他のモデルと組み合わせて、1つのワークフロー内で利用できます。

ブランドムービーのショット、商品シーン、Bロールのカットアウェイ、SNS向けのフック、スタイリッシュな解説動画を、それぞれ映像に合った音声付きで作成できます。HeyGen Videoはシーンの一貫性を保ち、オブジェクトの大きさや位置を維持しながら、物理法則に沿って動かします。指示内容を忠実に反映するため、会話は求めた場合にのみ生成されます。被写体、場所、アクションがそれぞれ1つに絞られた、短く完結したショットで最も高いパフォーマンスを発揮します。

HeyGen Video は、有料の API キーを使用することで、HeyGen API からモデル heygen-video-1 として利用できます。API 設定でキーを作成し、作成エンドポイントにプロンプトとモードを送信してください。完成したクリップは、他の HeyGen 動画とともにワークスペースに表示されます。

モードを選び、詳細なプロンプトを入力して送信します。新しいシーンを作成する場合はテキストから動画、自分で用意した最初のフレームから始める場合は画像から動画、提供した商品・人物・場所を維持する場合は参照から動画を使用します。カメラ、レンズ、サウンドを具体的に指定した長いプロンプトのほうが、短いプロンプトより効果的です。ジョブをポーリングするか、コールバックを設定し、その後MP4をダウンロードします。

クリップの長さは5～15秒で、解像度は480p、768p、1080p、2Kから選択でき、ステレオ音声付きの24fps MP4形式でエンコードされます。アスペクト比は21:9、16:9、4:3、1:1、3:4、9:16に対応しているため、再クロップすることなくYouTube、TikTok、Reels、Shorts向けの動画を生成できます。1080pと2Kは16:9または9:16でのみレンダリングでき、料金は768pの3倍です。

はい。HeyGen Videoで生成した動画は、HeyGenの商用ライセンスに基づき、広告、SNS投稿、製品発表、クライアントへの納品物などの商用目的に使用できます。架空のブランド要素が映り込まないようにするには、プロンプトに「ロゴ、ブランド名、印刷された文字、バッジは含めない」と追加してください。指定しない場合、無地の衣服や機材に架空のマークが付くことがあります。

はい。ルームトーン、効果音、音声は、同じプロンプトから映像とともに生成されるため、説明した空間に合った音声になります。セリフは1秒あたり約2.5語、つまり15秒のクリップで約37語が目安です。BGMが不要な場合は「音楽なし」と指定してください。より長い台本を読み上げる場合は、デジタルツインがあなた自身の声で話すこともできます。

Seedance 2.0とVeo 3.1は、複雑なマルチショットのシネマティックな動きで知られています。HeyGen Videoの強みは、制御性にあります。プロンプトの指示に忠実に従い、同じプロンプトから音声を生成できるほか、最大12件の参照素材と再利用可能なシードに対応しています。HeyGenのさらに大きな利点は、ワークフローです。ショットごとに最適なモデルを選び、アバター、音声、字幕を1か所で追加できます。

はい。シードを自分で設定すると、同じシードと同じプロンプトを続けて送信した場合、同一のファイルが返されます。シードを固定し、句を1つずつ変更しながら調整してください。シードを省略すると、サーバーがランダムに選択するため、同一のリクエストを2回送信しても異なる動画が返されます。完了したジョブには、使用されたシードが表示されます。

許可した場合に限ります。プロンプト補正機能はプロンプトの残りの部分を言い換えることがあるため、入力したテキストをそのまま維持したい場合は無効に設定してください。また、コールバックURLを指定すると、ジョブの完了時に通知を受け取れるため、結果を繰り返し確認する必要がありません。