โมเดลแปลงข้อความเป็นวิดีโออันดับ 1

HeyGen Video คือโมเดลวิดีโอ AI อเนกประสงค์ของ HeyGen ซึ่งพัฒนาบน MiniMax H3 และผ่านการฝึกเพิ่มเติมโดย HeyGen โมเดลนี้สร้างฉากทั้งหมดจากพรอมต์ ทั้งตัวแบบ สถานที่ แสง และเสียง เป็นคลิปความยาว 5-15 วินาที โดยทำงานได้ 3 โหมด ได้แก่ ข้อความเป็นวิดีโอ รูปภาพเป็นวิดีโอ และภาพอ้างอิงเป็นวิดีโอ บน HeyGen สามารถใช้งานร่วมกับดิจิทัลทวิน AI และโมเดลอื่นๆ ได้ในเวิร์กโฟลว์เดียว

สร้างช็อตภาพยนตร์แบรนด์ ฉากผลิตภัณฑ์ ภาพแทรก B-roll ช่วงเปิดเรื่องสำหรับโซเชียล และวิดีโออธิบายที่มีสไตล์ได้ โดยแต่ละช็อตมาพร้อมเสียงที่เข้ากัน HeyGen Video ช่วยให้ฉากต่าง ๆ ต่อเนื่องกัน วัตถุคงขนาดและตำแหน่งเดิม พร้อมเคลื่อนไหวตามหลักฟิสิกส์ ระบบทำตามบรีฟอย่างเคร่งครัด จึงมีบทสนทนาเฉพาะเมื่อระบุให้มีเท่านั้น และทำงานได้ดีที่สุดกับช็อตสั้น ๆ ที่มีขอบเขตชัดเจน โดยมีตัวแบบเดียว สถานที่เดียว และการกระทำเดียว

HeyGen Video พร้อมใช้งานผ่าน HeyGen API ในชื่อโมเดล heygen-video-1 สำหรับคีย์ API แบบชำระเงิน สร้างคีย์ในการตั้งค่า API จากนั้นส่งพรอมต์และโหมดไปยัง create endpoint คลิปที่สร้างเสร็จแล้วจะปรากฏในเวิร์กสเปซพร้อมกับวิดีโอ HeyGen อื่นๆ ของคุณ

เลือกโหมด เขียนพรอมต์โดยละเอียด แล้วส่งคำสั่ง ใช้โหมดข้อความเป็นวิดีโอเพื่อสร้างฉากใหม่ ใช้โหมดภาพเป็นวิดีโอเพื่อเริ่มจากเฟรมแรกของคุณเอง หรือใช้โหมดภาพอ้างอิงเป็นวิดีโอเพื่อคงผลิตภัณฑ์ บุคคล หรือสถานที่ที่คุณระบุไว้ พรอมต์แบบยาวที่ระบุกล้อง เลนส์ และจังหวะเสียงให้ผลลัพธ์ดีกว่าพรอมต์สั้นๆ ตรวจสอบสถานะงานเป็นระยะหรือตั้งค่า Callback จากนั้นดาวน์โหลดไฟล์ MP4

คลิปมีความยาวได้ตั้งแต่ 5 ถึง 15 วินาที ที่ความละเอียด 480p, 768p, 1080p หรือ 2K โดยเข้ารหัสเป็น MP4 ที่ 24 fps พร้อมเสียงสเตอริโอ รองรับอัตราส่วนภาพ 21:9, 16:9, 4:3, 1:1, 3:4 และ 9:16 จึงสร้างวิดีโอสำหรับ YouTube, TikTok, Reels หรือ Shorts ได้โดยไม่ต้องครอปใหม่ การเรนเดอร์ที่ 1080p และ 2K รองรับเฉพาะอัตราส่วน 16:9 หรือ 9:16 และคิดค่าบริการเป็น 3 เท่าของอัตรา 768p

ได้ วิดีโอที่สร้างด้วย HeyGen Video สามารถนำไปใช้ในเชิงพาณิชย์ได้ภายใต้สิทธิ์การใช้งานเชิงพาณิชย์ของ HeyGen รวมถึงโฆษณา โพสต์บนโซเชียล การเปิดตัวผลิตภัณฑ์ และผลงานที่ส่งมอบให้ลูกค้า หากไม่ต้องการให้แบรนด์ที่ AI สร้างขึ้นปรากฏในเฟรม ให้เพิ่มข้อความ "ไม่มีโลโก้ ชื่อแบรนด์ ข้อความที่พิมพ์ หรือป้ายสัญลักษณ์" ลงในพรอมต์ เนื่องจากเสื้อผ้าและอุปกรณ์เรียบ ๆ อาจมีเครื่องหมายที่สร้างขึ้นเองปรากฏได้

ได้ ระบบจะสร้างเสียงบรรยากาศในห้อง เอฟเฟกต์เสียง และเสียงพูดพร้อมกับภาพจากพรอมต์เดียวกัน เสียงจึงสอดคล้องกับสถานที่ที่อธิบายไว้ บทสนทนาที่เขียนควรมีความยาวประมาณ 2.5 คำต่อวินาที หรือประมาณ 37 คำสำหรับคลิป 15 วินาที หากไม่ต้องการดนตรีประกอบ ให้ระบุว่า "ไม่ใช้ดนตรี" สำหรับบทพูดที่ยาวขึ้น ดิจิทัลทวินสามารถพูดด้วยเสียงของคุณเองได้

Seedance 2.0 และ Veo 3.1 ขึ้นชื่อด้านการสร้างการเคลื่อนไหวแบบภาพยนตร์ที่ซับซ้อนและมีหลายช็อต ส่วน HeyGen Video โดดเด่นด้านการควบคุม ทั้งการทำตามพรอมต์อย่างตรงไปตรงมา การสร้างเสียงจากพรอมต์เดียวกัน การใช้ข้อมูลอ้างอิงได้สูงสุด 12 รายการ และการใช้ค่า Seed ซ้ำเพื่อให้ได้ผลลัพธ์ที่สม่ำเสมอ ข้อได้เปรียบที่สำคัญกว่าของ HeyGen คือเวิร์กโฟลว์ โดยเลือกโมเดลที่เหมาะกับแต่ละช็อต แล้วเพิ่มอวตาร เสียง และคำบรรยายได้ในที่เดียว

ได้ กำหนด seed ด้วยตนเอง แล้วส่งพรอมต์เดิมโดยใช้ seed เดิมต่อเนื่องกัน ระบบจะส่งคืนไฟล์ที่เหมือนกันทุกประการ หากต้องการปรับแก้ ให้คง seed เดิมไว้และเปลี่ยนข้อความครั้งละหนึ่งส่วน เมื่อไม่ระบุ seed เซิร์ฟเวอร์จะสุ่มค่าให้ ดังนั้นคำขอที่เหมือนกัน 2 ครั้งจึงได้วิดีโอต่างกัน งานที่เสร็จสมบูรณ์จะแสดง seed ที่ใช้

เฉพาะเมื่อคุณอนุญาตเท่านั้น การปรับปรุงพรอมต์อาจเรียบเรียงส่วนที่เหลือของพรอมต์ใหม่ ดังนั้นให้ปิดใช้งานเมื่อต้องการคงข้อความไว้ตรงตามที่เขียนทุกประการ นอกจากนี้ยังระบุ URL สำหรับ callback เพื่อรับการแจ้งเตือนเมื่องานเสร็จสิ้นได้ จึงไม่ต้องคอยตรวจสอบผลลัพธ์ซ้ำๆ