ความแตกต่างหลักอยู่ที่ระดับความสมดุลระหว่างระบบอัตโนมัติกับการควบคุมแบบละเอียด

API Video Agent รับพรอมต์ข้อความเพียงครั้งเดียวแล้วสั่งรันเวิร์กโฟลว์อัตโนมัติสำหรับการสร้างอวตาร การเขียนสคริปต์ และการสร้างรวมถึงจัดวางแอสเซ็ตภาพ ช่วยให้ควบคุมรายละเอียดได้ครบถ้วนพร้อมเปิดอิสระทางครีเอทีฟอย่างเต็มที่ เหมาะสำหรับการสำรวจไอเดียคอนเทนต์จำนวนมาก การสร้างวิดีโอภายในองค์กร และการทำงานอัตโนมัติ ถือเป็นโซลูชันที่โดดเด่นไม่เหมือนใครในอุตสาหกรรม

เมื่อเปรียบเทียบกันแล้ว Standard Video Generation APIs มี 2 ส่วนหลัก: 1) Avatar Video Generation และ 2) Template Video Generation นักพัฒนาจะสร้างอวตารและวิดีโอเทมเพลตผ่านแพลตฟอร์มเว็บของ HeyGen ซึ่งสามารถนำมาใช้ต่อผ่าน API ได้ แม้จะต้องตั้งค่ามากกว่า แต่ API เหล่านี้ให้การควบคุมได้อย่างแม่นยำตามที่ต้องการสำหรับการสร้างแอสเซ็ตที่สอดคล้องกับแบรนด์และมีคุณภาพการผลิตสูง ลูกค้าองค์กรได้สร้างวิดีโอนับล้านผ่าน API เหล่านี้เพื่อทำให้กระบวนการผลิตคอนเทนต์เป็นอัตโนมัติ

ได้เลย นี่คือขั้นตอนการใช้งาน Photo Avatar API

1. อัปโหลดรูปภาพที่มีอยู่ (ผ่าน Upload Asset API)
2. สร้าง Avatar Group: สร้าง Avatar Group โดยจัดกลุ่มรูปภาพของบุคคลเดียวกัน
3. (ไม่บังคับ) เทรน Avatar Group: เมื่อสร้าง Avatar Group เสร็จแล้ว สามารถเทรนโมเดลให้จดจำลักษณะเฉพาะตัว สีหน้า และองค์ประกอบอื่นๆ ของบุคคลในภาพ เพื่อให้สร้างอวตารที่สมจริงได้
4. หากต้องการใช้ Template Video Generation เพื่อสร้างวิดีโอแบบ “personalized” ในปริมาณมาก สามารถใช้งานหรือเปลี่ยนอวตารได้ตามขั้นตอนในคู่มือนี้.

หากต้องการใช้ฟีเจอร์ Avatar Video Generation สามารถใช้งานหรือเชื่อมต่ออวตารได้โดยทำตามคู่มือนี้.

ได้ ระบบ API รองรับการสร้างอวตารจากข้อความล้วนผ่านเฟรมเวิร์กคำอธิบายแบบมีโครงสร้าง ช่วยตัดความจำเป็นในการใช้ไฟล์รูปภาพภายนอก เพียงระบุพารามิเตอร์เฉพาะให้ครบทั้ง 8 ฟิลด์ที่จำเป็น เช่น อายุ เพศ เชื้อชาติ และสไตล์ จากนั้น AI จะประมวลผลสร้างบุคลิก (persona) แบบเฉพาะตัวความละเอียดสูงขึ้นมาได้ ตัวอย่างเช่น หากเลือกเชื้อชาติ "East Asian" คู่กับสไตล์ "Professional" และแสงแบบ "Cinematic" เอนจินจะสร้างชุดตัวเลือกอวตารและลุคที่ไม่ซ้ำกันให้โดยอัตโนมัติ ช่วยให้องค์กรสามารถขยายไลบรารีนักแสดงเสมือนที่หลากหลายซึ่งไม่มีอยู่จริงในโลกได้อย่างมีประสิทธิภาพ

สามารถดูคู่มือสำหรับการสร้างอวตารจากพรอมต์ได้ที่นี่

ระบบเทมเพลตถูกออกแบบมาสำหรับการผลิตวิดีโอแบบ “mail-merge” ประสิทธิภาพสูง โดยใช้เลย์เอาต์หลักเป็นคอนเทนเนอร์สำหรับข้อมูลไดนามิก ผู้ใช้จะสร้างหรือเลือกเทมเพลตผ่าน Dashboard หรือ API จากนั้นกำหนดตำแหน่ง placeholder สำหรับข้อความ รูปภาพ หรือเสียง เมื่อส่งคำขอ POST เพียงครั้งเดียวไปยัง endpoint generate ของเทมเพลตพร้อม JSON payload ของตัวแปร ระบบจะเรนเดอร์ไฟล์วิดีโอเฉพาะสำหรับผู้รับแต่ละรายโดยอัตโนมัติ ทำให้กลายเป็นมาตรฐานของอุตสาหกรรมสำหรับการขายแบบ Personalized และการ Onboarding ลูกค้าแบบปรับแต่งเฉพาะบุคคลในปริมาณมาก

เพื่อให้ได้ความสมจริงและความแม่นยำของการซิงก์ปากในระดับสูงสุด แนวทางที่แนะนำหรือที่เรียกว่า “Golden Path” คือการดึงและใช้ค่า default_voice_id ของอวตารตัวนั้นแบบโปรแกรมมิง วิธีนี้ช่วยให้มั่นใจได้ว่าลักษณะเสียงต่างๆ เช่น เพศ โทนเสียง และสำเนียงท้องถิ่น ได้รับการปรับให้เหมาะสมกับบุคลิกภาพทางภาพของอวตารนั้นอยู่แล้ว ลดความเสี่ยงของเอฟเฟกต์ “uncanny valley” ได้อย่างมาก หากต้องการใช้เสียงแบบกำหนดเอง นักพัฒนาควรกรองรายการ v2/voices ให้ตรงกับเมทาดาทาของอวตารเสมอเพื่อคงความสอดคล้องระหว่างภาพและเสียง

เนื่องจากการเรนเดอร์วิดีโอ AI ความละเอียดสูงต้องใช้ทรัพยากรจำนวนมากและอาจใช้เวลาหลายนาที API จึงถูกออกแบบมาให้ใช้งานแบบสถาปัตยกรรมอะซิงโครนัสที่ขับเคลื่อนด้วยอีเวนต์ผ่าน Webhooks แทนที่จะเปิดการเชื่อมต่อค้างไว้ (ซึ่งมักทำให้เกิดการ timeout) แอปพลิเคชันของคุณควรลงทะเบียน webhook URL เพื่อรับการแจ้งเตือนแบบ "push" อัตโนมัติเมื่ออีเวนต์ avatar_video.success ถูกทริกเกอร์ วิธีนี้ช่วยให้ backend ของคุณยังคงทำงานได้อย่างมีประสิทธิภาพและประมวลผลเฉพาะวิดีโอผ่าน video_url ที่ให้มาในช่วงเวลาที่วิดีโอพร้อมใช้งานเท่านั้น

API นี้ช่วยให้เข้าถึงผู้ใช้ทั่วโลกได้อย่างกว้างขวาง รองรับมากกว่า 40 ภาษา และไลบรารีเสียงมากกว่า 300 เสียงที่หลากหลาย ช่วยให้การสื่อสารข้ามพรมแดนเป็นไปอย่างราบรื่น นอกจากการแปลงข้อความเป็นเสียงหลายภาษาแล้ว แพลตฟอร์มยังมีฟีเจอร์ "Video Translation" ที่สามารถนำวิดีโอที่มีอยู่มาแปลเสียงพูด พร้อมซิงก์การขยับปากของอวตารให้ตรงกับภาษาใหม่ไปพร้อมกัน ทำให้การแสดงผลในวิดีโอดูสมจริงในภาษาสเปนหรือภาษาญี่ปุ่นไม่ต่างจากต้นฉบับภาษาอังกฤษ

HeyGen Video Translation รองรับได้ 175 ภาษาและสำเนียง (อ้างอิงตามข้อมูลที่นี่)